論文の概要: Early Detection of Fake News by Utilizing the Credibility of News,
Publishers, and Users Based on Weakly Supervised Learning
- arxiv url: http://arxiv.org/abs/2012.04233v2
- Date: Mon, 14 Dec 2020 01:27:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:10:01.724496
- Title: Early Detection of Fake News by Utilizing the Credibility of News,
Publishers, and Users Based on Weakly Supervised Learning
- Title（参考訳）: 弱監視学習に基づくニュース・出版者・利用者の信頼度を利用したフェイクニュースの早期発見
- Authors: Chunyuan Yuan, Qianwen Ma, Wei Zhou, Jizhong Han, Songlin Hu
- Abstract要約: 本稿では,ニュースコンテンツとパブリッシャーとユーザの関係を結合した構造対応型マルチヘッド・アテンション・ネットワーク(SMAN)を提案する。
SMANは、最新のモデルよりもはるかに高速である91%以上の精度で4時間で偽のニュースを検出することができます。
- 参考スコア（独自算出の注目度）: 23.96230360460216
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The dissemination of fake news significantly affects personal reputation and
public trust. Recently, fake news detection has attracted tremendous attention,
and previous studies mainly focused on finding clues from news content or
diffusion path. However, the required features of previous models are often
unavailable or insufficient in early detection scenarios, resulting in poor
performance. Thus, early fake news detection remains a tough challenge.
Intuitively, the news from trusted and authoritative sources or shared by many
users with a good reputation is more reliable than other news. Using the
credibility of publishers and users as prior weakly supervised information, we
can quickly locate fake news in massive news and detect them in the early
stages of dissemination.
In this paper, we propose a novel Structure-aware Multi-head Attention
Network (SMAN), which combines the news content, publishing, and reposting
relations of publishers and users, to jointly optimize the fake news detection
and credibility prediction tasks. In this way, we can explicitly exploit the
credibility of publishers and users for early fake news detection. We conducted
experiments on three real-world datasets, and the results show that SMAN can
detect fake news in 4 hours with an accuracy of over 91%, which is much faster
than the state-of-the-art models.
- Abstract（参考訳）: 偽ニュースの普及は、個人の評判と公的な信頼に大きく影響する。
近年,偽ニュース検出が注目され,ニュースコンテンツや拡散経路からの手がかりの発見を中心に研究が進められている。
しかし、以前のモデルに必要な機能はしばしば早期検出シナリオでは利用できないか不十分であり、結果として性能は低下する。
したがって、初期のフェイクニュース検出は難しい課題である。
直感的には、信頼できる情報源からのニュースや、評判の良い多くのユーザーが共有するニュースは他のニュースよりも信頼性が高い。
パブリッシャーとユーザーの信頼度を事前の弱い監督情報として利用することで、偽ニュースを巨大なニュースに素早く見つけ出し、拡散の初期段階で検出することができる。
本稿では,ニュースコンテンツと出版とリポストの関係を結合し,偽ニュースの検出と信頼性予測タスクを協調的に最適化する構造認識型マルチヘッドアテンションネットワーク(sman)を提案する。
このようにして、パブリッシャーやユーザの信頼度を、初期のフェイクニュース検出に利用することができる。
3つの実世界のデータセットについて実験を行い、その結果、smanは91%以上の精度で偽ニュースを4時間で検出できることがわかった。
関連論文リスト
- VeraCT Scan: Retrieval-Augmented Fake News Detection with Justifiable Reasoning [13.711292329830169]
本稿では,偽ニュース検出のための検索強化システムであるVeraCT Scanを紹介する。
このシステムは、あるニュースから中核的な事実を抽出し、その後、相関や矛盾する報告を特定するために、インターネット全体の検索を行う。
我々はまた、その結論を支持するための透明な証拠と推論を提供し、その結果の解釈可能性と信頼をもたらす。
論文 参考訳（メタデータ） (2024-06-12T21:23:48Z) - A Revisit of Fake News Dataset with Augmented Fact-checking by ChatGPT [8.363702038073814]
既存の偽ニュース検出データセットは、人間のジャーナリストから提供されています。
本稿では,人間のジャーナリストが検証した既存の偽ニュースデータセットを再検討し,大規模言語モデルによるファクトチェックの強化を行った。
論文 参考訳（メタデータ） (2023-12-19T05:46:11Z) - 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) - Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳（メタデータ） (2022-11-25T18:24:17Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - 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) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z) - Weak Supervision for Fake News Detection via Reinforcement Learning [34.448503443582396]
本稿では,弱教師付きフェイクニュース検出フレームワークWeFENDを提案する。
提案するフレームワークは,アノテータ,強化セレクタ,フェイクニュース検出器の3つの主要コンポーネントで構成されている。
WeChatの公式アカウントと関連するユーザレポートを通じて発行された大量のニュース記事に対して,提案したフレームワークを検証した。
論文 参考訳（メタデータ） (2019-12-28T21:20:25Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。