Fugu-MT 論文翻訳(概要): Fact or Factitious? Contextualized Opinion Spam Detection

論文の概要: Fact or Factitious? Contextualized Opinion Spam Detection

arxiv url: http://arxiv.org/abs/2010.15296v1
Date: Thu, 29 Oct 2020 00:59:06 GMT
ステータス: 処理完了
システム内更新日: 2022-10-01 23:03:39.999454
Title: Fact or Factitious? Contextualized Opinion Spam Detection
Title（参考訳）: 事実か事実か? 文脈化オピニオンスパム検出
Authors: Stefan Kennedy and Niall Walsh, Kirils Sloka, Jennifer Foster, Andrew McCarren
Abstract要約: 有効であることが判明した機械学習アプローチを多数適用し、テクスチャ化された埋め込みの微調整による独自のアプローチを導入します。その結果, 偽レビュー検出のためのコンテキスト埋め込みの可能性を示し, 今後の研究の基盤となるものと考えられる。
参考スコア（独自算出の注目度）: 9.415901312074336
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we perform an analytic comparison of a number of techniques used to detect fake and deceptive online reviews. We apply a number machine learning approaches found to be effective, and introduce our own approach by fine-tuning state of the art contextualised embeddings. The results we obtain show the potential of contextualised embeddings for fake review detection, and lay the groundwork for future research in this area.
Abstract（参考訳）: 本稿では,偽のオンラインレビューと偽のオンラインレビューを検知する手法を解析的に比較する。有効であることが判明した機械学習アプローチを多数適用し、テクスチャ化された埋め込みの微調整による独自のアプローチを導入する。その結果,偽レビュー検出のためのコンテキスト埋め込みの可能性を示し,今後の研究の基盤となるものとなった。

関連論文リスト

Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness [22.349521957987672]
ソーシャルグラフに基づく偽ニュース検出は、社会的文脈を利用して偽情報を含むニュース記事を特定することを目的としている。我々は、現実のシナリオを模倣するより現実的な評価スキームを定式化する。従来の手法の識別能力は,この新しい設定下で急激に低下することを示す。
論文参考訳（メタデータ） (2024-11-19T05:08:00Z)
Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
論文参考訳（メタデータ） (2024-11-12T09:02:11Z)
Towards Quantitative Evaluation of Explainable AI Methods for Deepfake Detection [12.179602756337818]
本フレームワークは,偽画像の領域を特定するための説明手法の能力を評価し,ディープフェイク検出器の決定に最も大きな影響を与える。 FaceForensics++データセットでトレーニングされたディープフェイク検出のための最先端モデルを用いて比較研究を行う。
論文参考訳（メタデータ） (2024-04-29T12:32:14Z)
Unmasking Falsehoods in Reviews: An Exploration of NLP Techniques [0.0]
本研究は,誤認レビューを識別する機械学習モデルを提案する。これを実現するために,n-gramモデルと最大特徴量を開発し,認識内容を効果的に同定する。実験結果から,パッシブ・アグレッシブ・クラシファイアは様々なアルゴリズムにおいて顕著であることがわかった。
論文参考訳（メタデータ） (2023-07-20T06:35:43Z)
MGTBench: Benchmarking Machine-Generated Text Detection [54.81446366272403]
本稿では,強力な大規模言語モデル(LLM)に対するMGT検出のための最初のベンチマークフレームワークを提案する。一般に単語が多ければ多いほど性能が向上し,ほとんどの検出手法はトレーニングサンプルをはるかに少なくして同様の性能が得られることを示す。本研究は, テキスト属性タスクにおいて, モデルに基づく検出手法が依然として有効であることを示す。
論文参考訳（メタデータ） (2023-03-26T21:12:36Z)
Mitigating Human and Computer Opinion Fraud via Contrastive Learning [0.0]
本稿では,協調フィルタリングレコメンデータシステムにおける偽テキストレビュー検出への新たなアプローチを提案する。既存のアルゴリズムは、言語モデルによって生成された偽レビューを検出し、不正直なユーザーによって書かれたテキストを無視している。本稿では,ユーザ人口特性とテキストレビューを,偽造に対する追加的証拠として活用する,対照的な学習ベースアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-01-08T12:02:28Z)
The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set Methods [86.39044549664189]
特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
論文参考訳（メタデータ） (2022-03-04T18:32:58Z)
Automated Evidence Collection for Fake News Detection [11.324403127916877]
本稿では,現在行われている偽ニュース検出手法を改良した新しい手法を提案する。提案手法は,Web記事からエビデンスを抽出し,エビデンスとして扱うための適切なテキストを選択する。我々の実験は、機械学習とディープラーニングに基づく手法の両方を用いて、我々のアプローチを広範囲に評価するのに役立つ。
論文参考訳（メタデータ） (2021-12-13T09:38:41Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
論文参考訳（メタデータ） (2021-07-25T13:18:55Z)
Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文参考訳（メタデータ） (2020-03-16T02:47:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。