論文の概要: A transformer based approach for fighting COVID-19 fake news

• arxiv url: http://arxiv.org/abs/2101.12027v1
• Date: Thu, 28 Jan 2021 14:43:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-01-31 23:15:12.340907
• Title: A transformer based approach for fighting COVID-19 fake news
• Title（参考訳）: 新型コロナウイルスのフェイクニュースと戦うトランスフォーマーベースのアプローチ
• Authors: S.M. Sadiq-Ur-Rahman Shifath, Mohammad Faiyaz Khan, and Md. Saiful Islam
• Abstract要約: 新型コロナウイルスは人類が最も技術的に進歩した歴史上初のパンデミックだ。 このウイルスに関する偽ニュースや誤報も人々に提供されており、いくつかの大きな問題を引き起こしている。 本研究の課題は「Constraint@AAAI2021 - COVID19 Fake News Detection in English」である。
• 参考スコア（独自算出の注目度）: 0.8793721044482612
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The rapid outbreak of COVID-19 has caused humanity to come to a stand-still and brought with it a plethora of other problems. COVID-19 is the first pandemic in history when humanity is the most technologically advanced and relies heavily on social media platforms for connectivity and other benefits. Unfortunately, fake news and misinformation regarding this virus is also available to people and causing some massive problems. So, fighting this infodemic has become a significant challenge. We present our solution for the "Constraint@AAAI2021 - COVID19 Fake News Detection in English" challenge in this work. After extensive experimentation with numerous architectures and techniques, we use eight different transformer-based pre-trained models with additional layers to construct a stacking ensemble classifier and fine-tuned them for our purpose. We achieved 0.979906542 accuracy, 0.979913119 precision, 0.979906542 recall, and 0.979907901 f1-score on the test dataset of the competition.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の急速な流行によって人類は行き詰まり、他の多くの問題を引き起こした。 新型コロナウイルスは、人類が最も技術的に進歩し、接続性やその他の利益のためにソーシャルメディアプラットフォームに大きく依存している歴史上初のパンデミックだ。 残念ながら、このウイルスに関する偽のニュースや誤報は、人々にも利用可能であり、いくつかの大きな問題を引き起こします。 そのため、このインフォデミックと戦うことは大きな課題となっている。 本研究では、"Constraint@AAAI2021 - COVID19 Fake News Detection in English"という課題に対するソリューションを提示する。 多数のアーキテクチャや技術を用いた広範囲な実験を経て,8種類のトランスフォーマティブベースの事前学習モデルと層を追加して,スタック型アンサンブル分類器を構築し,その目的を微調整した。 試験データセットでは0.979906542精度, 0.979913119精度, 0.979906542リコール, 0.979907901 f1-scoreを達成した。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Forecasting of COVID-19 Cases, Using an Evolutionary Neural Architecture Search Approach [0.76146285961466]
  2019年後半には、重症呼吸器疾患である新型コロナウイルス(COVID-19)が出現し、それ以来、世界はパンデミックの危機に直面している。 本稿では、拡張機能を備えた新しいデータセットを導入し、新しいアプローチで新型コロナウイルスの患者を予測する。 アプローチの有効性を示すため、イランの毎日の事例について比較研究を行った。
  論文  参考訳（メタデータ） (2021-09-15T05:12:50Z)
• Model Generalization on COVID-19 Fake News Detection [41.03093888315081]
  CONSTRAINT 2021(FakeNews-19)で提案された偽ニュース検出タスクの堅牢なモデルの実現を目指す。 新型コロナの偽ニュースの2つのテストセットでモデルを評価します。
  論文  参考訳（メタデータ） (2021-01-11T12:23:41Z)
• A Heuristic-driven Ensemble Framework for COVID-19 Fake News Detection [5.979726271522835]
  新型コロナウイルスに関連するツイートが「本物」か「フェイク」かを自動で識別するフェイクニュース検知システムについて述べる。 リーダーボードのジョイント8位を達成するためのトレーニング済みモデルで構成されたアンサンブルモデルを使用しています。 F1スコア0.9883のツイートにユーザ名ハンドルとリンクドメインに基づく新しいアルゴリズムを組み込むことで,システムを大幅に改善することができた。
  論文  参考訳（メタデータ） (2021-01-10T13:21:08Z)
• 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)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• 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)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)

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。