論文の概要: FakeFlow: Fake News Detection by Modeling the Flow of Affective Information

• arxiv url: http://arxiv.org/abs/2101.09810v1
• Date: Sun, 24 Jan 2021 21:55:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 10:30:39.293158
• Title: FakeFlow: Fake News Detection by Modeling the Flow of Affective Information
• Title（参考訳）: FakeFlow: 影響情報の流れをモデル化したフェイクニュース検出
• Authors: Bilal Ghanem, Simone Paolo Ponzetto, Paolo Rosso, Francisco Rangel
• Abstract要約: 本稿では,ニューラルアーキテクチャを用いたフェイクニュース記事の情緒情報の流れをモデル化する。 提案モデルであるFakeFlowは,テキストから抽出した話題と感情情報を組み合わせることで,この流れを学習する。
• 参考スコア（独自算出の注目度）: 15.464932773508117
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fake news articles often stir the readers' attention by means of emotional appeals that arouse their feelings. Unlike in short news texts, authors of longer articles can exploit such affective factors to manipulate readers by adding exaggerations or fabricating events, in order to affect the readers' emotions. To capture this, we propose in this paper to model the flow of affective information in fake news articles using a neural architecture. The proposed model, FakeFlow, learns this flow by combining topic and affective information extracted from text. We evaluate the model's performance with several experiments on four real-world datasets. The results show that FakeFlow achieves superior results when compared against state-of-the-art methods, thus confirming the importance of capturing the flow of the affective information in news articles.
• Abstract（参考訳）: 偽ニュース記事は、しばしば感情を喚起する感情的な訴えによって読者の注意をかき立てる。 短いニュースのテキストとは異なり、より長い記事の著者は、読者の感情に影響を与えるために誇張やイベントの作成によって読者を操作するためにこのような感情的な要素を利用することができる。 そこで本論文では,ニューラルネットワークを用いた偽ニュース記事における感情情報の流れのモデル化を提案する。 提案モデルであるFakeFlowは,テキストから抽出した話題と感情情報を組み合わせることで,この流れを学習する。 実世界の4つのデータセットを用いた実験により,モデルの性能評価を行った。 その結果、FakeFlowは最先端の手法と比較して優れた結果を達成し、ニュース記事における感情情報の流れを捉えることの重要性を確認した。

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)
• fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
  本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。 本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。 ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
  論文  参考訳（メタデータ） (2023-09-20T04:10:03Z)
• 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)
• 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)
• 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)
• 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)
• Fake News Detection: Experiments and Approaches beyond Linguistic Features [0.0]
  ニュース記事に関連付けられた信頼性情報とメタデータは、結果の改善に利用されてきた。 実験はまた、モデリングの正当性や証拠が、どのようにしてより良い結果をもたらすかを示す。
  論文  参考訳（メタデータ） (2021-09-27T10:00:44Z)
• 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)
• 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)
• SAFE: Similarity-Aware Multi-Modal Fake News Detection [8.572654816871873]
  テキストや画像,あるいはその“ミスマッチ”に基づいて偽ニュースを検出する新しい手法を提案する。 このようなニューステキストと視覚情報の表現と関係性は共同で学習され、偽ニュースを予測するために使用される。 提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
  論文  参考訳（メタデータ） (2020-02-19T02:51:04Z)

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。