Fugu-MT 論文翻訳(概要): Fake or Real? A Study of Arabic Satirical Fake News

論文の概要: Fake or Real? A Study of Arabic Satirical Fake News

arxiv url: http://arxiv.org/abs/2011.00452v1
Date: Sun, 1 Nov 2020 08:56:56 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 23:21:21.706140
Title: Fake or Real? A Study of Arabic Satirical Fake News
Title（参考訳）: 偽物か本物か? アラビア語風刺的偽ニュースの研究
Authors: Hadeel Saadany and Emad Mohamed and Constantin Orasan
Abstract要約: 本研究は、アラビア語の偽ニュースの言語的特徴を風刺的内容で識別するために、いくつかの探索的分析を行う。これらの特徴を活用して、98.6%の精度で風刺的なフェイクニュースを識別できる多数の機械学習モデルを構築しました。
参考スコア（独自算出の注目度）: 3.007949058551534
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: One very common type of fake news is satire which comes in a form of a news website or an online platform that parodies reputable real news agencies to create a sarcastic version of reality. This type of fake news is often disseminated by individuals on their online platforms as it has a much stronger effect in delivering criticism than through a straightforward message. However, when the satirical text is disseminated via social media without mention of its source, it can be mistaken for real news. This study conducts several exploratory analyses to identify the linguistic properties of Arabic fake news with satirical content. We exploit these features to build a number of machine learning models capable of identifying satirical fake news with an accuracy of up to 98.6%.
Abstract（参考訳）: 非常に一般的なフェイクニュースの1つが風刺であり、これはニュースウェブサイトや、信頼できる本物のニュース代理店をパロディして、皮肉なバージョンの現実を創り出すオンラインプラットフォームである。この種の偽ニュースは、直接のメッセージよりも批判の伝達に強い効果があるため、オンラインプラットフォーム上で個人によって広められることが多い。しかし、その風刺文が情報源に言及せずにソーシャルメディアで拡散される場合、本当のニュースと間違えることがある。本研究は,アラビア語の偽ニュースの言語的特徴を風刺的内容で識別するために,いくつかの探索的分析を行う。これらの機能を利用して、風刺的なフェイクニュースを最大98.6%の精度で識別できる機械学習モデルを構築した。

関連論文リスト

Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文参考訳（メタデータ） (2023-11-02T08:39:45Z)
Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文参考訳（メタデータ） (2023-05-25T13:42:08Z)
FALSE: Fake News Automatic and Lightweight Solution [0.20999222360659603]
本稿では,現代のフェイクニュースデータセットの研究と可視化にR符号を用いた。クラスタリング、分類、相関、およびさまざまなプロットを使用してデータを分析し、提示する。
論文参考訳（メタデータ） (2022-08-16T11:53:30Z)
Arabic Fake News Detection Based on Deep Contextualized Embedding Models [3.425727850372357]
英語で偽ニュースを検出するために多くの研究がなされているが、アラビア語で偽ニュースを検出する研究は少ない。我々は、大きくて多様なアラビアの偽ニュースデータセットを構築した。我々は8つの最先端のアラビア語組込みモデルを利用して、偽ニュースを識別するトランスフォーマーベースの分類器を開発し、評価した。我々は、現在最先端のアラビア語の文脈化埋め込みモデルと、同様の偽ニュース検出システムの比較を徹底的に分析する。
論文参考訳（メタデータ） (2022-05-06T09:54:35Z)
Annotation-Scheme Reconstruction for "Fake News" and Japanese Fake News Dataset [1.7149364927872013]
「フェイクニュース」は多岐にわたる複雑な現象である。本稿では,既存の偽ニュースデータセットの詳細な調査に基づいて,詳細なラベル付けを施した新しいアノテーション手法を提案する。アノテーションスキームを用いて,日本初の偽ニュースデータセットを構築し,公開する。
論文参考訳（メタデータ） (2022-04-06T10:42:39Z)
Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文参考訳（メタデータ） (2022-03-10T14:24:19Z)
User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文参考訳（メタデータ） (2021-04-25T21:19:24Z)
The Rise and Fall of Fake News sites: A Traffic Analysis [62.51737815926007]
偽ニュースサイトのオンラインプレゼンスを調査し、実際のニュースサイトと比較してその行動を特徴づけます。そこで本研究では,偽ニュースサイトを自動的に検出するコンテンツ非依存のMLを構築した。
論文参考訳（メタデータ） (2021-03-16T18:10:22Z)
How does Truth Evolve into Fake News? An Empirical Study of Fake News Evolution [55.27685924751459]
偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
論文参考訳（メタデータ） (2021-03-10T09:01:34Z)
Viable Threat on News Reading: Generating Biased News Using Natural Language Models [49.90665530780664]
公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
論文参考訳（メタデータ） (2020-10-05T16:55:39Z)
Fake News Spreader Detection on Twitter using Character N-Grams. Notebook for PAN at CLEF 2020 [0.0]
このノートには、Twitter上の偽ニュース検出タスクのプロファイリングシステムについて書かれている。我々は多言語の観点から異なる特徴抽出手法と学習実験を行う。我々のモデルは、英語とスペイン語の公式テストセットで73%と79%の精度を達成しています。
論文参考訳（メタデータ） (2020-09-29T08:32:32Z)

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。