論文の概要: Fact-Enhanced Synthetic News Generation

• arxiv url: http://arxiv.org/abs/2012.04778v2
• Date: Sun, 13 Dec 2020 04:56:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-16 21:28:18.583861
• Title: Fact-Enhanced Synthetic News Generation
• Title（参考訳）: Fact-Enhanced Synthetic News Generation
• Authors: Kai Shu, Yichuan Li, Kaize Ding, Huan Liu
• Abstract要約: 高品質なニュースコンテンツを生成する新しい世代FactGenを開発した。 実世界のデータセットの実験結果は、FactGenの生成されたニュースコンテンツが一貫性があり、豊富な事実を含んでいることを示しています。
• 参考スコア（独自算出の注目度）: 26.83826118367459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advanced text generation methods have witnessed great success in text summarization, language translation, and synthetic news generation. However, these techniques can be abused to generate disinformation and fake news. To better understand the potential threats of synthetic news, we develop a new generation method FactGen to generate high-quality news content. The existing text generation methods either afford limited supplementary information or lose consistency between the input and output which makes the synthetic news less trustworthy. To address these issues, FactGen retrieves external facts to enrich the output and reconstructs the input claim from the generated content to improve the consistency among the input and the output. Experiment results on real-world datasets show that the generated news contents of FactGen are consistent and contain rich facts. We also discuss the possible defending method to identify these synthetic news pieces if FactGen is used to generate synthetic news.
• Abstract（参考訳）: 高度なテキスト生成手法は、テキスト要約、言語翻訳、合成ニュース生成において大きな成功を収めている。 しかし、これらの技術は悪用され、偽情報や偽ニュースが生成される。 合成ニュースの潜在的な脅威をよりよく理解するために,高品質なニュースコンテンツを生成する新しい世代FactGenを開発した。 既存のテキスト生成方法は、限られた補足情報を得るか、合成ニュースの信頼性を損なう入力と出力の一貫性を失う。 これらの問題に対処するため、factgenは外部の事実を検索して出力を豊かにし、生成されたコンテンツから入力クレームを再構築し、入力と出力の一貫性を向上させる。 実世界のデータセットの実験結果は、FactGenの生成されたニュースコンテンツは一貫性があり、リッチな事実を含んでいることを示している。 また,ファクトゲンを合成ニュース生成に用いる場合,これらの合成ニュースを識別するための防御手法についても検討した。

関連論文リスト

• Automatic News Generation and Fact-Checking System Based on Language Processing [3.9494390147668335]
  本稿では,言語処理に基づくニュース自動生成とファクトチェックシステムについて検討する。 ニュースコンテンツの信頼性と信頼性を確保しつつ、ニュース制作の効率性と品質を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-05-17T01:58:23Z)
• SciNews: From Scholarly Complexities to Public Narratives -- A Dataset for Scientific News Report Generation [20.994565065595232]
  我々は、科学ニュースの自動生成を容易にするための新しいコーパスを提示する。 本データセットは,9分野にわたる学術出版物と,それに対応する科学報告から構成される。 我々は、最先端のテキスト生成モデルを用いてデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2024-03-26T14:54:48Z)
• 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)
• Enhancing LLM with Evolutionary Fine Tuning for News Summary Generation [2.1828601975620257]
  本稿では,強力な自然言語理解と生成機能を備えたLLMを用いたニュース要約生成のための新しいパラダイムを提案する。 LLMを用いて、ニュース段落に含まれる事象から複数の構造化イベントパターンを抽出し、遺伝的アルゴリズムを用いてイベントパターンの集団を進化させ、LLMに入力する最も適応性の高いイベントパターンを選択し、ニュース要約を生成する。 ニュース概要生成装置(NSG)は、イベントパターンの集団を選択し、進化させ、ニュース要約を生成するように設計されている。
  論文  参考訳（メタデータ） (2023-07-06T08:13:53Z)
• Factually Consistent Summarization via Reinforcement Learning with Textual Entailment Feedback [57.816210168909286]
  我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。 我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。 自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2023-05-31T21:04:04Z)
• DANES: Deep Neural Network Ensemble Architecture for Social and Textual Context-aware Fake News Detection [9.34612743192798]
  DANESは、ソーシャルおよびテキスト対応のフェイクニュース検出のためのディープニューラルネットワークアンサンブルアーキテクチャである。 BuzzFace、Twitter15、Twitter16の3つの実世界のデータセットに対する予備的アブレーションの結果は、最先端のソリューションを上回る精度で期待できる。
  論文  参考訳（メタデータ） (2023-02-01T20:05:53Z)
• Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach [0.39146761527401425]
  フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
  論文  参考訳（メタデータ） (2022-07-27T12:58:33Z)
• Event Transition Planning for Open-ended Text Generation [55.729259805477376]
  オープンエンドテキスト生成タスクは、事前コンテキストに制限されたコヒーレントな継続を生成するためにモデルを必要とする。 オープンエンドテキスト生成におけるイベントを明示的にアレンジする新しい2段階手法を提案する。 我々のアプローチは、特別に訓練された粗大なアルゴリズムとして理解することができる。
  論文  参考訳（メタデータ） (2022-04-20T13:37:51Z)
• 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)
• Joint Retrieval and Generation Training for Grounded Text Generation [75.11057157342974]
  基底生成モデルは救済策を提供するように見えるが、トレーニングは通常、まれな並列データに依存している。 本研究では,言語モデル信号に接地生成器と文書検索器を共同で訓練することにより,この制約を緩和するフレームワークを提案する。 提案手法は,外部参照を活用することで,文末生成と対話生成の両面で,より情報に富んだ興味深いテキストを生成できることを実証する。
  論文  参考訳（メタデータ） (2021-05-14T00:11:38Z)
• 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)

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。