Fugu-MT 論文翻訳(概要): Identifying COVID-19 Fake News in Social Media

論文の概要: Identifying COVID-19 Fake News in Social Media

arxiv url: http://arxiv.org/abs/2101.11954v1
Date: Thu, 28 Jan 2021 12:12:50 GMT
ステータス: 処理完了
システム内更新日: 2021-02-01 00:51:01.704029
Title: Identifying COVID-19 Fake News in Social Media
Title（参考訳）: ソーシャルメディア上での偽ニュースの特定
Authors: Tathagata Raha, Vijayasaradhi Indurthi, Aayush Upadhyaya, Jeevesh Kataria, Pramud Bommakanti, Vikram Keswani, Vasudeva Varma
Abstract要約: ソーシャルメディアプラットフォームは、誰でも簡単に情報にアクセスできるようにする。これは時にフェイクニュースの拡散を促し、望ましくない結果をもたらすことがある。本研究では、新型コロナウイルスのパンデミックに関連する健康ニュースを、本物または偽物として識別するモデルを訓練する。
参考スコア（独自算出の注目度）: 11.211274677023356
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The evolution of social media platforms have empowered everyone to access information easily. Social media users can easily share information with the rest of the world. This may sometimes encourage spread of fake news, which can result in undesirable consequences. In this work, we train models which can identify health news related to COVID-19 pandemic as real or fake. Our models achieve a high F1-score of 98.64%. Our models achieve second place on the leaderboard, tailing the first position with a very narrow margin 0.05% points.
Abstract（参考訳）: ソーシャルメディアプラットフォームの発展により、誰もが簡単に情報にアクセスできるようになる。ソーシャルメディアのユーザーは、世界中と簡単に情報を共有できる。これは時にフェイクニュースの拡散を促し、望ましくない結果をもたらすことがある。本研究では、新型コロナウイルスのパンデミックに関連する健康ニュースを本物または偽物として識別できるモデルを訓練する。我々のモデルは98.64%のF1スコアを達成した。我々のモデルはリーダーボードで2位となり、最初のポジションを非常に狭いマージン0.05%ポイントで追い詰めた。

関連論文リスト

InfoPattern: Unveiling Information Propagation Patterns in Social Media [59.67008841974645]
InfoPatternは、言語と人間のイデオロギーの相互作用に焦点を当てている。 1) 反対のイデオロギーコミュニティからの反対反応をシミュレートするレッドチーム,(2) メッセージ中の政治的感情を識別するスタンス検出,(3) 情報伝播グラフの発見により,様々なコミュニティにおけるクレームの進化が時間とともに明らかにされる。
論文参考訳（メタデータ） (2023-11-27T09:12:35Z)
Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文参考訳（メタデータ） (2023-05-25T13:42:08Z)
Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文参考訳（メタデータ） (2022-12-24T00:19:32Z)
A Comparative Study on COVID-19 Fake News Detection Using Different Transformer Based Models [2.0649235321315285]
ソーシャルネットワークの急速な進歩とインターネット利用の利便性により、ソーシャルメディアサイトにおける偽ニュースや噂の急増が加速した。このような不正確さの拡散を制限するために、オンラインプラットフォームから偽ニュースを特定することが、最初の、そして最も重要なステップとなるかもしれない。 RoBERTaモデルは、実クラスと偽クラスの両方でF1スコア0.98を得ることで、他のモデルよりも優れたパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-08-02T10:50:16Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
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)
Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文参考訳（メタデータ） (2021-04-18T09:50:11Z)
Cross-SEAN: A Cross-Stitch Semi-Supervised Neural Attention Model for COVID-19 Fake News Detection [14.771202995527315]
新型コロナウイルス関連の偽ニュースは事実よりも急速に広まっている。偽ツイートと偽ツイートをラベル付けした最初のcovid-19twitterフェイクニュースデータセットであるctfを紹介します。また、クロスステッチに基づくセミスーパーバイザーエンドツーエンドの神経注意モデルCross-SEANを提案する。
論文参考訳（メタデータ） (2021-02-17T18:30:43Z)
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)
g2tmn at Constraint@AAAI2021: Exploiting CT-BERT and Ensembling Learning for COVID-19 Fake News Detection [0.0]
結果がConstraint@AAAI2021 Shared Task: COVID-19 Fake News Detection in Englishで発表されました。本稿では,トランスフォーマーを用いた COVID-Twitter-BERT (CT-BERT) モデルのアンサンブルを用いたアプローチを提案する。その結果,テストセットで98.69の重み付きF1スコアを達成した。
論文参考訳（メタデータ） (2020-12-22T12:43:12Z)
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)

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。