論文の概要: Fake News Detection System using XLNet model with Topic Distributions:
CONSTRAINT@AAAI2021 Shared Task
- arxiv url: http://arxiv.org/abs/2101.11425v1
- Date: Tue, 12 Jan 2021 16:23:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 01:46:31.147610
- Title: Fake News Detection System using XLNet model with Topic Distributions:
CONSTRAINT@AAAI2021 Shared Task
- Title（参考訳）: 話題分布を持つxlnetモデルを用いた偽ニュース検出システム: constraint@aaai2021 shared task
- Authors: Akansha Gautam, Venktesh V, Sarah Masud
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.6114012813668934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the ease of access to information, and its rapid dissemination over the
internet (both velocity and volume), it has become challenging to filter out
truthful information from fake ones. The research community is now faced with
the task of automatic detection of fake news, which carries real-world
socio-political impact. One such research contribution came in the form of the
Constraint@AAA12021 Shared Task on COVID19 Fake News Detection in English. In
this paper, we shed light on a novel method we proposed as a part of this
shared task. Our team introduced an approach to combine topical distributions
from Latent Dirichlet Allocation (LDA) with contextualized representations from
XLNet. We also compared our method with existing baselines to show that XLNet +
Topic Distributions outperforms other approaches by attaining an F1-score of
0.967.
- Abstract（参考訳）: 情報へのアクセスの容易さとインターネット上での急速な普及(速度とボリュームの両方)により、偽情報から真実情報をフィルタリングすることは困難になっている。
研究コミュニティは現在、現実世界の政治的影響をもたらす偽ニュースの自動検出という課題に直面している。
このような研究はConstraint@AAA12021 Shared Task on COVID19 Fake News Detection in Englishという形で行われた。
本稿では,この共有タスクの一環として提案した新しい手法について光を当てる。
我々のチームは、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アプローチを導入しました。
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。
関連論文リスト
- Little Giants: Exploring the Potential of Small LLMs as Evaluation
Metrics in Summarization in the Eval4NLP 2023 Shared Task [53.163534619649866]
本稿では,大規模言語モデルに品質評価の課題を扱えるように,プロンプトベースの手法の有効性を評価することに焦点を当てる。
我々は,標準的なプロンプト,アノテータ命令によって通知されるプロンプト,イノベーティブなチェーン・オブ・シークレットプロンプトなど,様々なプロンプト技術を用いて,系統的な実験を行った。
我々の研究は、これらのアプローチを"小さな"オープンソースモデル(orca_mini_v3_7B)を使って組み合わせることで、競争結果が得られることを示した。
論文 参考訳（メタデータ） (2023-11-01T17:44:35Z) - 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) - 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) - Distributed Deep Learning Inference Acceleration using Seamless
Collaboration in Edge Computing [93.67044879636093]
本稿では,コラボレーティブエッジコンピューティングにおける分散畳み込みニューラルネットワーク(CNN)を用いた推論高速化について検討する。
本研究では,第2エッジサーバ(ES)上のサブタスクの重なり合うゾーンをホストES上で実行し,HALPと命名した新しいタスク協調方式を設計する。
実験結果から,GTX 1080TIとJETSON AGX Xavierでは,単一のタスクに対して1.7-2.0x,バッチ毎に1.7-1.8x,バッチ毎に1.7-1.8x,VGG-16では1.7-2.0xのCNN推論を高速化できることがわかった。
論文 参考訳（メタデータ） (2022-07-22T18:39:09Z) - Provable Benefits of Representational Transfer in Reinforcement Learning [59.712501044999875]
本稿では,RLにおける表現伝達の問題について検討し,エージェントがまず複数のソースタスクを事前訓練し,共有表現を発見する。
本稿では,ソースタスクに対する生成的アクセスが与えられた場合,次に続く線形RL手法がほぼ最適ポリシーに迅速に収束する表現を発見できることを示す。
論文 参考訳（メタデータ） (2022-05-29T04:31:29Z) - Applying Automatic Text Summarization for Fake News Detection [4.2177790395417745]
フェイクニュースの配信は新しいものではなく、急速に増加している問題だ。
本稿ではトランスフォーマーに基づく言語モデルのパワーを組み合わせた問題に対するアプローチを提案する。
我々のフレームワークであるCMTR-BERTは、複数のテキスト表現を組み合わせることで、コンテキスト情報の取り込みを可能にする。
論文 参考訳（メタデータ） (2022-04-04T21:00:55Z) - 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) - KL Guided Domain Adaptation [88.19298405363452]
ドメイン適応は重要な問題であり、現実世界のアプリケーションにしばしば必要である。
ドメイン適応文学における一般的なアプローチは、ソースとターゲットドメインに同じ分布を持つ入力の表現を学ぶことである。
確率的表現ネットワークにより、KL項はミニバッチサンプルにより効率的に推定できることを示す。
論文 参考訳（メタデータ） (2021-06-14T22:24:23Z) - 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) - Identification of COVID-19 related Fake News via Neural Stacking [2.007262412327553]
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。
論文 参考訳（メタデータ） (2021-01-11T15:52:37Z) - 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。