Fugu-MT 論文翻訳(概要): Identification of COVID-19 related Fake News via Neural Stacking

論文の概要: Identification of COVID-19 related Fake News via Neural Stacking

arxiv url: http://arxiv.org/abs/2101.03988v1
Date: Mon, 11 Jan 2021 15:52:37 GMT
ステータス: 処理完了
システム内更新日: 2021-04-04 18:16:45.284427
Title: Identification of COVID-19 related Fake News via Neural Stacking
Title（参考訳）: ニューラル・スタッキングによるcovid-19関連偽ニュースの同定
Authors: Boshko Koloski, Timen Stepi\v{s}nik Perdih, Senja Pollak and Bla\v{z} \v{S}krlj
Abstract要約: フェイクニュースの識別は、パンデミックの進行に顕著な役割を果たしている。我々は、英語でCOVID19フェイクニュース検出という共有タスクの解決策を提示します。ソリューションは、最高のパフォーマンスのソリューションの1.5%以内でした。
参考スコア（独自算出の注目度）: 2.007262412327553
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Identification of Fake News plays a prominent role in the ongoing pandemic, impacting multiple aspects of day-to-day life. In this work we present a solution to the shared task titled COVID19 Fake News Detection in English, scoring the 50th place amongst 168 submissions. The solution was within 1.5% of the best performing solution. The proposed solution employs a heterogeneous representation ensemble, adapted for the classification task via an additional neural classification head comprised of multiple hidden layers. The paper consists of detailed ablation studies further displaying the proposed method's behavior and possible implications. The solution is freely available. \url{https://gitlab.com/boshko.koloski/covid19-fake-news}
Abstract（参考訳）: フェイクニュースの識別はパンデミックの進行において重要な役割を担い、日々の生活の様々な側面に影響を与える。本研究は、英語で「COVID19 Fake News Detection」と題された共有タスクに対する解決策を提示し、168件の投稿のうち、50位にランクインした。このソリューションは、最高のソリューションの1.5%以内にありました。提案手法は,複数の隠蔽層からなる追加のニューラルネットワーク分類ヘッドを介して,分類タスクに適合する異種表現アンサンブルを用いている。本論文は,提案手法の挙動と可能性を示す詳細なアブレーション研究からなる。ソリューションは無償で利用可能です。 https://gitlab.com/boshko.koloski/covid19-fake-news}

関連論文リスト

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)
Discord Questions: A Computational Approach To Diversity Analysis in News Coverage [84.55145223950427]
本稿では,情報源の違いを識別し,ニュース報道の多様性を理解する上で,読者を支援する新しい枠組みを提案する。このフレームワークはDiscord Questionsの生成に基づいている。
論文参考訳（メタデータ） (2022-11-09T16:37:55Z)
UrduFake@FIRE2021: Shared Track on Fake News Identification in Urdu [55.41644538483948]
本研究は、ウルドゥー語で偽ニュースを検出するために、UrduFake@FIRE2021と名付けられた2番目の共有タスクを報告した。提案システムは、様々なカウントベースの特徴に基づいており、異なる分類器とニューラルネットワークアーキテクチャを使用していた。勾配降下(SGD)アルゴリズムは他の分類器よりも優れ、0.679Fスコアを達成した。
論文参考訳（メタデータ） (2022-07-11T19:15:04Z)
Automated Evidence Collection for Fake News Detection [11.324403127916877]
本稿では,現在行われている偽ニュース検出手法を改良した新しい手法を提案する。提案手法は,Web記事からエビデンスを抽出し,エビデンスとして扱うための適切なテキストを選択する。我々の実験は、機械学習とディープラーニングに基づく手法の両方を用いて、我々のアプローチを広範囲に評価するのに役立つ。
論文参考訳（メタデータ） (2021-12-13T09:38:41Z)
Multi-attentional Deepfake Detection [79.80308897734491]
ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
論文参考訳（メタデータ） (2021-03-03T13:56:14Z)
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)
Fake News Detection System using XLNet model with Topic Distributions: CONSTRAINT@AAAI2021 Shared Task [1.6114012813668934]
本稿では,LDA(Latent Dirichlet Allocation)のトピック分布と,XLNetの文脈表現を組み合わせた手法を提案する。また,提案手法を既存のベースラインと比較し,XLNet + Topic DistributionsがF1スコア0.967を達成することにより,他の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-01-12T16:23:24Z)
Detecting Hostile Posts using Relational Graph Convolutional Network [1.8734449181723827]
この研究は、ソーシャルメディアプラットフォーム上でヒンディー語で敵対的な投稿を検出するためにAAAI@2021が実施したコンテストへの提出に基づいている。ここでは,畳み込みネットワークを用いた敵対的ポスト分類のためのモデルを提案する。提案されたモデルは、与えられたデータセット上のGoogleのXLM-RoBERTaと同等に実行されている。 XLMRobertaを用いた分類システムでは, 細粒度分類では2位であった。
論文参考訳（メタデータ） (2021-01-10T06:50:22Z)
Fake News Detection in Social Media using Graph Neural Networks and NLP Techniques: A COVID-19 Use-case [2.4937400423177767]
本稿では,MediaEval 2020タスク,すなわちFakeNews: Corona Virusと5G Conspiracy Multimedia Twitter-Data-Based Analysisのソリューションについて述べる。
論文参考訳（メタデータ） (2020-11-30T16:41:04Z)
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)
Attentive CutMix: An Enhanced Data Augmentation Approach for Deep Learning Based Image Classification [58.20132466198622]
そこで我々は,CutMixに基づく自然拡張拡張戦略であるAttentive CutMixを提案する。各トレーニングイテレーションにおいて、特徴抽出器から中間注意マップに基づいて最も記述性の高い領域を選択する。提案手法は単純かつ有効であり,実装が容易であり,ベースラインを大幅に向上させることができる。
論文参考訳（メタデータ） (2020-03-29T15:01:05Z)

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。