論文の概要: Hostility Detection and Covid-19 Fake News Detection in Social Media
- arxiv url: http://arxiv.org/abs/2101.05953v1
- Date: Fri, 15 Jan 2021 03:24:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 22:43:19.761452
- Title: Hostility Detection and Covid-19 Fake News Detection in Social Media
- Title（参考訳）: ソーシャルメディアにおけるホステリティ検出とCovid-19フェイクニュース検出
- Authors: Ayush Gupta, Rohan Sukumaran, Kevin John, Sundeep Teki
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.3499391168620467
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Withtheadventofsocialmedia,therehasbeenanextremely rapid increase in the
content shared online. Consequently, the propagation of fake news and hostile
messages on social media platforms has also skyrocketed. In this paper, we
address the problem of detecting hostile and fake content in the Devanagari
(Hindi) script as a multi-class, multi-label problem. Using NLP techniques, we
build a model that makes use of an abusive language detector coupled with
features extracted via Hindi BERT and Hindi FastText models and metadata. Our
model achieves a 0.97 F1 score on coarse grain evaluation on Hostility
detection task. Additionally, we built models to identify fake news related to
Covid-19 in English tweets. We leverage entity information extracted from the
tweets along with textual representations learned from word embeddings and
achieve a 0.93 F1 score on the English fake news detection task.
- Abstract（参考訳）: Withtheadventofsocialmedia,therehasbeenanextremely increased of the content shared online。
その結果、ソーシャルメディアプラットフォーム上でのフェイクニュースや敵対的なメッセージの拡散も急増した。
本稿では,マルチクラス・マルチラベル問題として,devanagari(hindi)スクリプトの敵意や偽のコンテンツを検出する問題に対処する。
NLP 技術を用いて,Hindi BERT と Hindi FastText モデルとメタデータから抽出した特徴と,乱用言語検知器を併用したモデルを構築した。
本モデルは,ホスト性検出タスクにおける粗粒度評価における0.97F1スコアを達成する。
さらに、英語のツイートでCovid-19に関連する偽ニュースを特定するモデルを構築しました。
ツイートから抽出されたエンティティ情報と、単語埋め込みから学習したテキスト表現を活用し、英語の偽ニュース検出タスクで0.93 f1のスコアを得る。
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) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。
また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。
我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
論文 参考訳（メタデータ） (2023-03-14T16:11:47Z) - 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) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - 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) - A Heuristic-driven Uncertainty based Ensemble Framework for Fake News
Detection in Tweets and News Articles [5.979726271522835]
ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。
我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。
提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
論文 参考訳（メタデータ） (2021-04-05T06:35:30Z) - Evaluation of Deep Learning Models for Hostility Detection in Hindi Text [2.572404739180802]
ヒンディー語における敵対的テキスト検出手法を提案する。
提案手法は、Constraint@AAAI 2021 Hindiホスト性検出データセットで評価される。
この多ラベル分類問題に対して,CNN,LSTM,BERTに基づく深層学習手法のホストを評価した。
論文 参考訳（メタデータ） (2021-01-11T19:10:57Z) - Evaluating Deep Learning Approaches for Covid19 Fake News Detection [0.0]
データマイニングの観点から、偽ニュース検出の自動化技術を検討します。
Contraint@AAAI 2021 Covid-19 Fakeニュース検出データセットで異なる教師付きテキスト分類アルゴリズムを評価します。
Covid-19 Fakeニュース検出データセットで98.41%の最高の精度を報告する。
論文 参考訳（メタデータ） (2021-01-11T16:39:03Z) - No Rumours Please! A Multi-Indic-Lingual Approach for COVID Fake-Tweet
Detection [4.411285005377513]
我々は、英語以外の複数のインデックス言語に対して、ツイートなどのソーシャルメディアから、早期に新型コロナウイルスに関する偽ニュースを検出するアプローチを提案する。
複数のIndic言語へのアプローチを拡大するために、ヒンディー語とベンガル語で生成されたデータセットを微調整したmBERTベースのモデルを使います。
我々の手法は89%の偽ツイート検出でFスコアに達し、その結果がSOTA(State-of-the-art)の結果に取って代わる。
論文 参考訳（メタデータ） (2020-10-14T09:37:51Z)
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。