論文の概要: Multi-modal Identification of State-Sponsored Propaganda on Social Media

• arxiv url: http://arxiv.org/abs/2012.13042v1
• Date: Thu, 24 Dec 2020 00:43:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 08:24:38.411651
• Title: Multi-modal Identification of State-Sponsored Propaganda on Social Media
• Title（参考訳）: ソーシャルメディアにおける国家支援プロパガンダのマルチモーダル同定
• Authors: Xiaobo Guo, Soroush Vosoughi
• Abstract要約: 本論文は、国が主催するインターネットプロパガンダを識別するためのバランスの取れたデータセットを構築するための最初の試みである。 データセットは2つの期間にわたる3つの異なる組織によるプロパガンダで構成されています。 視覚コンテンツとテキストコンテンツのみに基づいてプロパガンダメッセージを検出するマルチモデルフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.1574781022415364
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The prevalence of state-sponsored propaganda on the Internet has become a cause for concern in the recent years. While much effort has been made to identify state-sponsored Internet propaganda, the problem remains far from being solved because the ambiguous definition of propaganda leads to unreliable data labelling, and the huge amount of potential predictive features causes the models to be inexplicable. This paper is the first attempt to build a balanced dataset for this task. The dataset is comprised of propaganda by three different organizations across two time periods. A multi-model framework for detecting propaganda messages solely based on the visual and textual content is proposed which achieves a promising performance on detecting propaganda by the three organizations both for the same time period (training and testing on data from the same time period) (F1=0.869) and for different time periods (training on past, testing on future) (F1=0.697). To reduce the influence of false positive predictions, we change the threshold to test the relationship between the false positive and true positive rates and provide explanations for the predictions made by our models with visualization tools to enhance the interpretability of our framework. Our new dataset and general framework provide a strong benchmark for the task of identifying state-sponsored Internet propaganda and point out a potential path for future work on this task.
• Abstract（参考訳）: 近年,インターネットにおける国家支援型プロパガンダの普及が懸念されている。 国家が支援するインターネット・プロパガンダを特定するために多くの努力がなされているが、プロパガンダのあいまいな定義が信頼できないデータラベリングにつながり、膨大な量の潜在的な予測機能によってモデルが説明不能になってしまうため、この問題は解決されるには程遠い。 本稿では、このタスクのためのバランスのとれたデータセットを構築する最初の試みである。 データセットは、2つの期間にわたる3つの異なる組織によるプロパガンダで構成されている。 同一期間(F1=0.869)と異なる期間(過去、未来、テスト)の両方において、同一期間(F1=0.697)の3団体によるプロパガンダ検出に有望な性能を達成できる、視覚的・テキスト的内容のみに基づくプロパガンダメッセージ検出のためのマルチモデルフレームワークを提案する(F1=0.697)。 偽陽性予測の影響を低減するため,偽陽性率と真陽性率の関係をテストするために閾値を変更し,フレームワークの解釈性を高めるために可視化ツールを用いてモデルによる予測について説明を行う。 我々の新しいデータセットと一般的なフレームワークは、国家が支援するインターネットプロパガンダを識別するタスクの強力なベンチマークを提供し、このタスクの今後の取り組みの道筋を指摘する。

関連論文リスト

• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Interpretable Detection of Out-of-Context Misinformation with Neural-Symbolic-Enhanced Large Multimodal Model [16.348950072491697]
  誤報の作者は、ニュース検出システムや偽ニュースを騙すために、マルチメディア以外のコンテンツを使う傾向が強まっている。 この新たなタイプの誤報は、検出だけでなく、個々のモダリティが真の情報に十分近いため、明確化の難しさも増す。 本稿では,不一致のペアと相互の矛盾を同時に識別する,解釈可能なクロスモーダル・デコンテクスト化検出を実現する方法について検討する。
  論文  参考訳（メタデータ） (2023-04-15T21:11:55Z)
• Adversarial Contrastive Learning for Evidence-aware Fake News Detection with Graph Neural Networks [20.282527436527765]
  本稿では,Contrastive Learning,すなわちGETRALを用いたグラフベースのsEmantic構造マイニングフレームワークを提案する。 まず、グラフ構造化データとしてクレームとエビデンスをモデル化し、長距離セマンティック依存関係をキャプチャします。 次に、詳細なセマンティック表現をクレーム-エビデンス相互作用モジュールに入力して予測を行う。
  論文  参考訳（メタデータ） (2022-10-11T14:54:37Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• 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)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
  本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。 本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
  論文  参考訳（メタデータ） (2020-11-13T10:19:13Z)
• Leveraging Declarative Knowledge in Text and First-Order Logic for Fine-Grained Propaganda Detection [139.3415751957195]
  本稿では,ニュース記事中のプロパガンダ的テキスト断片の検出について検討する。 本稿では,詳細なプロパガンダ手法の宣言的知識を注入する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-29T13:46:15Z)

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。