論文の概要: Advanced Machine Learning Techniques for Fake News (Online Disinformation) Detection: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2101.01142v1
• Date: Mon, 28 Dec 2020 13:07:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:01:37.099779
• Title: Advanced Machine Learning Techniques for Fake News (Online Disinformation) Detection: A Systematic Mapping Study
• Title（参考訳）: フェイクニュース(オンライン偽情報)検出のための高度な機械学習技術:システムマッピング研究
• Authors: Michal Choras, Konstantinos Demestichas, Agata Gielczyk, Alvaro Herrero, Pawel Ksieniewicz, Konstantina Remoundou, Daniel Urda, Michal Wozniak
• Abstract要約: 本稿では,情報戦争におけるフェイクニュースの歴史的展望と役割について述べる。 専門家の業績にのみ基づいたソリューションが分析される。 この研究の主な目的は、偽ニュースの検出における知識の現状を分析することである。
• 参考スコア（独自算出の注目度）: 1.7121012334286438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fake news has now grown into a big problem for societies and also a major challenge for people fighting disinformation. This phenomenon plagues democratic elections, reputations of individual persons or organizations, and has negatively impacted citizens, (e.g., during the COVID-19 pandemic in the US or Brazil). Hence, developing effective tools to fight this phenomenon by employing advanced Machine Learning (ML) methods poses a significant challenge. The following paper displays the present body of knowledge on the application of such intelligent tools in the fight against disinformation. It starts by showing the historical perspective and the current role of fake news in the information war. Proposed solutions based solely on the work of experts are analysed and the most important directions of the application of intelligent systems in the detection of misinformation sources are pointed out. Additionally, the paper presents some useful resources (mainly datasets useful when assessing ML solutions for fake news detection) and provides a short overview of the most important R&D projects related to this subject. The main purpose of this work is to analyse the current state of knowledge in detecting fake news; on the one hand to show possible solutions, and on the other hand to identify the main challenges and methodological gaps to motivate future research.
• Abstract（参考訳）: フェイクニュースは今や社会にとって大きな問題となり、偽情報と戦う人々にとって大きな課題となった。 この現象は、民主的な選挙、個人や組織の評判を悩ませ、米国やブラジルでのCOVID-19パンデミックなど、市民に悪影響を及ぼした。 したがって、高度な機械学習(ML)手法を用いてこの現象に対処する効果的なツールを開発することは、大きな課題となる。 下記の論文では、偽情報との戦いにおける知的ツールの適用に関する現在の知識体系を示す。 情報戦争における偽ニュースの歴史的展望と現在の役割を示すことから始まった。 専門家の仕事のみに基づく提案された解が分析され、誤情報源の検出におけるインテリジェントシステムの適用の最も重要な方向が指摘される。 さらに,本論文では,フェールニュース検出のためのMLソリューションの評価に有用なデータセット(主にデータセット)を提示し,本課題に関連するR&Dプロジェクトについて概説する。 この研究の主な目的は、偽ニュースの検出における知識の現状を分析することである。一方、可能な解決策を示すためであり、一方、将来の研究を動機付ける主な課題と方法論的ギャップを特定することである。

関連論文リスト

• Impact of Fake News on Social Media Towards Public Users of Different Age Groups [0.0]
  本研究では,偽ニュースがソーシャルメディア利用者にどのような影響を及ぼすかを検討した。 偽ニュースの識別・分類における機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2024-11-08T15:32:20Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Proposing an Interactive Audit Pipeline for Visual Privacy Research [0.0]
  我々は、システムにおけるバイアスと公平性の問題を発見し、責任ある人間対ループの必要性を主張し、有害な社会的影響を持つ研究課題を探求する必要性を反映するために公正性を利用することについて議論する。 私たちの目標は、視覚的プライバシとバイアスの問題に対して、機械学習パイプラインの体系的な分析を提供することです。
  論文  参考訳（メタデータ） (2021-11-07T01:51:43Z)
• A Systematic Review on the Detection of Fake News Articles [0.0]
  偽ニュースや偽情報の拡散は世界中の社会に脅威をもたらすと論じられている。 この脅威に対処するため、自然言語処理(NLP)アプローチが開発されている。 本稿は,最も性能の高い偽ニュース検出手法の定式化,既存手法による制約の特定,緩和手法の提案を目的とする。
  論文  参考訳（メタデータ） (2021-10-18T21:29:11Z)
• SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
  ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。 従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。 虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
  論文  参考訳（メタデータ） (2021-05-22T09:26:13Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• 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)
• A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
  複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。 我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
  論文  参考訳（メタデータ） (2020-05-11T09:07:46Z)
• Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
  偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています 偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
  論文  参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。