論文の概要: TIB's Visual Analytics Group at MediaEval '20: Detecting Fake News on
Corona Virus and 5G Conspiracy
- arxiv url: http://arxiv.org/abs/2101.03529v1
- Date: Sun, 10 Jan 2021 11:52:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 04:43:38.351458
- Title: TIB's Visual Analytics Group at MediaEval '20: Detecting Fake News on
Corona Virus and 5G Conspiracy
- Title（参考訳）: TIB's Visual Analytics Group at MediaEval '20: Finding Fake News on Corona Virus and 5G Conspiracy
- Authors: Gullal S. Cheema, Sherzod Hakimov, Ralph Ewerth
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.66022279280394
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news on social media has become a hot topic of research as it negatively
impacts the discourse of real news in the public. Specifically, the ongoing
COVID-19 pandemic has seen a rise of inaccurate and misleading information due
to the surrounding controversies and unknown details at the beginning of the
pandemic. The FakeNews task at MediaEval 2020 tackles this problem by creating
a challenge to automatically detect tweets containing misinformation based on
text and structure from Twitter follower network. In this paper, we present a
simple approach that uses BERT embeddings and a shallow neural network for
classifying tweets using only text, and discuss our findings and limitations of
the approach in text-based misinformation detection.
- Abstract（参考訳）: 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。
特に、新型コロナウイルス(COVID-19)のパンデミックは、周囲の論争や、パンデミックの開始時の不明な詳細が原因で、不正確で誤解を招く情報が増えてきた。
MediaEval 2020のFakeNewsタスクは、Twitterフォロワーネットワークからのテキストと構造に基づいて、誤情報を含むツイートを自動的に検出する課題を作成することで、この問題に対処する。
本稿では,テキストのみを用いたツイート分類にbert埋め込みと浅層ニューラルネットワークを用いた簡易なアプローチを提案し,テキストに基づく誤情報検出におけるアプローチの知見と限界について考察する。
関連論文リスト
- Adapting Fake News Detection to the Era of Large Language Models [54.60443666911077]
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) - WSDMS: Debunk Fake News via Weakly Supervised Detection of Misinforming
Sentences with Contextualized Social Wisdom [13.92421433941043]
本稿では,文章レベルの誤報を検出する偽ニュース拡散の分野における新たな課題について検討する。
Weakly Supervised Detection of Misinforming Sentences (WSDMS) というモデルを提案する。
実世界の3つのベンチマークでWSDMSを評価し、文レベルと記事レベルの両方でフェイクニュースをデバッキングすることで、既存の最先端のベースラインを上回っていることを実証した。
論文 参考訳（メタデータ） (2023-10-25T12:06:55Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on
Social Media [53.51665032295087]
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) - 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) - 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) - A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。
第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。
また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
論文 参考訳（メタデータ） (2021-09-26T08:11:17Z) - Tackling COVID-19 Infodemic using Deep Learning [0.0]
オンラインメディア上で偽ニュースを検出し、分類し、新型コロナウイルスや新型コロナウイルスに関連する偽情報を検出する。
データセットには偽の投稿、記事、ニュースがポリティファクトのような事実チェックサイトから集められ、実際のツイートは確認済みのTwitterハンドルから取られた。
論文 参考訳（メタデータ） (2021-07-01T11:07:47Z) - 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) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳（メタデータ） (2021-04-18T09:50:11Z) - Hostility Detection and Covid-19 Fake News Detection in Social Media [1.3499391168620467]
我々は,Hindi BERTとHindi FastTextモデルを用いて,乱用言語検出と特徴抽出を併用したモデルを構築した。
また、英語のツイートでCovid-19に関連する偽ニュースを識別するためのモデルを構築しています。
論文 参考訳（メタデータ） (2021-01-15T03:24:36Z) - Transformer based Automatic COVID-19 Fake News Detection System [9.23545668304066]
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。
論文 参考訳（メタデータ） (2021-01-01T06:49:27Z)
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。