論文の概要: Transformer based Automatic COVID-19 Fake News Detection System
- arxiv url: http://arxiv.org/abs/2101.00180v3
- Date: Thu, 21 Jan 2021 15:18:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 12:40:17.974416
- Title: Transformer based Automatic COVID-19 Fake News Detection System
- Title（参考訳）: トランスフォーマベースのcovid-19偽ニュース検出システム
- Authors: Sunil Gundapu, Radhika Mamidi
- Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックでは、誤報が特に多い。
新型コロナウイルスのパンデミックに関するソーシャルメディア上で共有される情報の信頼性を分析する手法を報告する。
テストセットでは0.9855 f1スコアを獲得し,160チーム中5位にランクインした。
- 参考スコア（独自算出の注目度）: 9.23545668304066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent rapid technological advancements in online social networks such as
Twitter have led to a great incline in spreading false information and fake
news. Misinformation is especially prevalent in the ongoing coronavirus disease
(COVID-19) pandemic, leading to individuals accepting bogus and potentially
deleterious claims and articles. Quick detection of fake news can reduce the
spread of panic and confusion among the public. For our analysis in this paper,
we report a methodology to analyze the reliability of information shared on
social media pertaining to the COVID-19 pandemic. Our best approach is based on
an ensemble of three transformer models (BERT, ALBERT, and XLNET) to detecting
fake news. This model was trained and evaluated in the context of the
ConstraintAI 2021 shared task COVID19 Fake News Detection in English. Our
system obtained 0.9855 f1-score on testset and ranked 5th among 160 teams.
- Abstract（参考訳）: Twitterなどのオンラインソーシャルネットワークの急速な技術進歩は、偽情報やフェイクニュースの普及に大きく貢献している。
新型コロナウイルス(COVID-19)のパンデミックでは、誤報が特に多く発生し、個人は偽情報や有害な主張や記事を受け入れている。
フェイクニュースの迅速な検出は、パニックや混乱の拡散を減少させる可能性がある。
本稿では,新型コロナウイルスのパンデミックに関連するソーシャルメディア上で共有される情報の信頼性を解析するための方法論について報告する。
我々の最良のアプローチは、偽ニュースを検出するための3つのトランスフォーマーモデル(BERT、ALBERT、XLNET)のアンサンブルに基づいている。
このモデルは、constraintai 2021 shared task covid19 fake news detection in englishの文脈で訓練され、評価された。
テストセットでは0.9855 f1スコアを獲得し,160チーム中5位にランクインした。
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) - 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) - A Comparative Study on COVID-19 Fake News Detection Using Different
Transformer Based Models [2.0649235321315285]
ソーシャルネットワークの急速な進歩とインターネット利用の利便性により、ソーシャルメディアサイトにおける偽ニュースや噂の急増が加速した。
このような不正確さの拡散を制限するために、オンラインプラットフォームから偽ニュースを特定することが、最初の、そして最も重要なステップとなるかもしれない。
RoBERTaモデルは、実クラスと偽クラスの両方でF1スコア0.98を得ることで、他のモデルよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-08-02T10:50:16Z) - Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。
そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。
実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文 参考訳（メタデータ） (2021-10-13T04:44:02Z) - 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) - TUDublin team at Constraint@AAAI2021 -- COVID19 Fake News Detection [0.0]
仕事の主な目標は、ソーシャルメディアからのメッセージをリアルまたはフェイクニュースとして二分分類するモデルを作成することでした。
このモデルにより、最高の結果の5%以内の0.94 F1スコアを達成できました。
論文 参考訳（メタデータ） (2021-01-14T16:25:32Z) - TIB's Visual Analytics Group at MediaEval '20: Detecting Fake News on
Corona Virus and 5G Conspiracy [9.66022279280394]
ソーシャルメディア上のフェイクニュースは、一般大衆の本当のニュースの話題に悪影響を及ぼすため、研究の話題となっている。
MediaEval 2020のFakeNewsタスクは、誤情報を含むツイートを自動的に検出するチャレンジを作成することで、この問題に対処する。
BERT埋め込みと浅いニューラルネットワークを用いて、テキストのみを用いてツイートを分類する簡単なアプローチを提案する。
論文 参考訳（メタデータ） (2021-01-10T11:52:17Z) - g2tmn at Constraint@AAAI2021: Exploiting CT-BERT and Ensembling Learning
for COVID-19 Fake News Detection [0.0]
結果がConstraint@AAAI2021 Shared Task: COVID-19 Fake News Detection in Englishで発表されました。
本稿では,トランスフォーマーを用いた COVID-Twitter-BERT (CT-BERT) モデルのアンサンブルを用いたアプローチを提案する。
その結果,テストセットで98.69の重み付きF1スコアを達成した。
論文 参考訳（メタデータ） (2020-12-22T12:43:12Z) - Two Stage Transformer Model for COVID-19 Fake News Detection and Fact
Checking [0.3441021278275805]
我々は、自然言語処理のための機械学習モデルの状態を用いて、新型コロナウイルスの偽ニュース検出のための2段階の自動パイプラインを開発する。
最初のモデルは、新型コロナウイルス(COVID-19)の特定のクレームに関するユーザーのクレームに関する最も関連性の高い事実を検索する、新しい事実チェックアルゴリズムを活用する。
第2のモデルは、クレームと、手動でキュレートされたCOVID-19データセットから取得した真事実の間のテキストの関連性を計算することによって、クレームの真理レベルを検証する。
論文 参考訳（メタデータ） (2020-11-26T11:50:45Z) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z) - 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)
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。