Fugu-MT 論文翻訳(概要): ECOL: Early Detection of COVID Lies Using Content, Prior Knowledge and Source Information

論文の概要: ECOL: Early Detection of COVID Lies Using Content, Prior Knowledge and Source Information

arxiv url: http://arxiv.org/abs/2101.05499v1
Date: Thu, 14 Jan 2021 08:39:50 GMT
ステータス: 処理完了
システム内更新日: 2021-03-29 08:09:08.103096
Title: ECOL: Early Detection of COVID Lies Using Content, Prior Knowledge and Source Information
Title（参考訳）: ECOL:コンテンツ、事前知識、ソース情報を用いた早期の新型コロナウイルス検出
Authors: Ipek Baris and Zeyd Boukhers
Abstract要約: ソーシャルメディアプラットフォームは偽ニュースの拡散に弱い。本稿では,フェイクニュースの早期発見のためのモデルに,コンテンツ情報,事前知識,情報源の信頼性を取り入れた影響を解析する。
参考スコア（独自算出の注目度）: 1.6752182911522522
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Social media platforms are vulnerable to fake news dissemination, which causes negative consequences such as panic and wrong medication in the healthcare domain. Therefore, it is important to automatically detect fake news in an early stage before they get widely spread. This paper analyzes the impact of incorporating content information, prior knowledge, and credibility of sources into models for the early detection of fake news. We propose a framework modeling those features by using BERT language model and external sources, namely Simple English Wikipedia and source reliability tags. The conducted experiments on CONSTRAINT datasets demonstrated the benefit of integrating these features for the early detection of fake news in the healthcare domain.
Abstract（参考訳）: ソーシャルメディアプラットフォームは偽ニュースの拡散に弱いため、医療分野におけるパニックや誤った薬物などの悪影響を引き起こす。したがって、広く広まる前に、早期に偽ニュースを自動的に検出することが重要である。本稿では,フェイクニュースの早期発見のためのモデルに,コンテンツ情報,事前知識,情報源の信頼性を取り入れた影響を分析する。 BERT言語モデルと外部ソース,すなわちSimple English Wikipediaとソース信頼性タグを用いて,これらの特徴をモデル化するフレームワークを提案する。 CONSTRAINTデータセットに関する実験では、医療領域におけるフェイクニュースの早期検出のためにこれらの機能を統合するメリットが示された。

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)
Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文参考訳（メタデータ） (2023-09-28T13:19:43Z)
FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
論文参考訳（メタデータ） (2022-12-13T11:17:32Z)
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)
Evaluation of Fake News Detection with Knowledge-Enhanced Language Models [10.45851991054367]
偽ニュース検出の最近の進歩は、大規模事前学習言語モデル(PLM)の成功を生かしている。最先端のアプローチは、ラベル付きフェイクニュースデータセットの微調整 PLM に基づいている。既存の知識ベース(KB)を人事情報に富んだ情報と組み合わせることで、偽ニュースの検出をより効果的かつ堅牢にすることができる。
論文参考訳（メタデータ） (2022-04-01T14:14:46Z)
SOMPS-Net : Attention based social graph framework for early detection of fake health news [0.06524460254566904]
筆者らは,マルチヘッドアテンションとパブリッシャ情報とニュース統計ネットワーク(SOMPS-Net)を備えた新しいグラフベースのフレームワークSOcial graphを提案する。提案されたモデルはHealthStoryデータセット上で実験され、がん、アルツハイマー病、産婦人科、栄養などの様々な医療トピックを一般化する。早期発見実験により、SOMPS-Netは放送からわずか8時間以内に79%の確証のある偽ニュースを予測した。
論文参考訳（メタデータ） (2021-11-22T15:21:30Z)
Stance Detection with BERT Embeddings for Credibility Analysis of Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文参考訳（メタデータ） (2021-05-21T10:46:43Z)
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)
Early Detection of Fake News by Utilizing the Credibility of News, Publishers, and Users Based on Weakly Supervised Learning [23.96230360460216]
本稿では,ニュースコンテンツとパブリッシャーとユーザの関係を結合した構造対応型マルチヘッド・アテンション・ネットワーク(SMAN)を提案する。 SMANは、最新のモデルよりもはるかに高速である91%以上の精度で4時間で偽のニュースを検出することができます。
論文参考訳（メタデータ） (2020-12-08T05:53:33Z)
Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文参考訳（メタデータ） (2020-10-20T19:37:04Z)
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。