論文の概要: VRoC: Variational Autoencoder-aided Multi-task Rumor Classifier Based on Text

• arxiv url: http://arxiv.org/abs/2102.00816v1
• Date: Thu, 28 Jan 2021 03:26:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-03 01:01:28.021731
• Title: VRoC: Variational Autoencoder-aided Multi-task Rumor Classifier Based on Text
• Title（参考訳）: VRoC:テキストに基づく変分オートエンコーダ支援マルチタスク噂分類器
• Authors: Mingxi Cheng, Shahin Nazarian, Paul Bogdan
• Abstract要約: ツイートレベルの変分自動エンコーダに基づく噂分類システムであるVRoCを提案する。 VRoCは、未確認の噂を高い精度で分類することができる。 PHEMEデータセットでは、VRoCは一貫していくつかの最先端技術を上回っている。
• 参考スコア（独自算出の注目度）: 0.14323566945483493
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media became popular and percolated almost all aspects of our daily lives. While online posting proves very convenient for individual users, it also fosters fast-spreading of various rumors. The rapid and wide percolation of rumors can cause persistent adverse or detrimental impacts. Therefore, researchers invest great efforts on reducing the negative impacts of rumors. Towards this end, the rumor classification system aims to detect, track, and verify rumors in social media. Such systems typically include four components: (i) a rumor detector, (ii) a rumor tracker, (iii) a stance classifier, and (iv) a veracity classifier. In order to improve the state-of-the-art in rumor detection, tracking, and verification, we propose VRoC, a tweet-level variational autoencoder-based rumor classification system. VRoC consists of a co-train engine that trains variational autoencoders (VAEs) and rumor classification components. The co-train engine helps the VAEs to tune their latent representations to be classifier-friendly. We also show that VRoC is able to classify unseen rumors with high levels of accuracy. For the PHEME dataset, VRoC consistently outperforms several state-of-the-art techniques, on both observed and unobserved rumors, by up to 26.9%, in terms of macro-F1 scores.
• Abstract（参考訳）: ソーシャルメディアが普及し、私たちの日常生活のほぼすべての側面に浸透した。 オンライン投稿は個々のユーザーにとって非常に便利だが、様々な噂の流布を促進する。 噂の迅速かつ広い浸透は、永続的な有害または有害な影響を引き起こす可能性があります。 したがって、研究者は噂のネガティブな影響を減らすことに多大な努力を払っている。 この目的のために、噂分類システムはソーシャルメディアの噂を検出し、追跡し、検証することを目的としています。 このようなシステムは通常、 (i) 噂検出器、 (ii) 噂追跡器、 (iii) 姿勢分類器、 (iv) 精度分類器の4つの構成要素を含む。 噂検出,追跡,検証の最先端性を改善するために,ツイートレベルの変分自動エンコーダに基づく噂分類システムであるVRoCを提案する。 VRoCは、変分オートエンコーダ(VAE)と噂の分類コンポーネントを訓練するコトレインエンジンで構成されている。 コトレインエンジンは、VAEが潜在表現を分類器フレンドリに調整するのに役立ちます。 また、VRoCが未確認の噂を高い精度で分類できることも示しています。 PHEMEデータセットでは、VRoCは観測された噂と観測されていない噂の両方において、マクロF1スコアで最大26.9%の最先端技術より一貫して優れている。

関連論文リスト

• HybridGait: A Benchmark for Spatial-Temporal Cloth-Changing Gait Recognition with Hybrid Explorations [66.5809637340079]
  そこで本研究では,第1世代CCGaitベンチマークを提案する。 我々は3次元メッシュの時間的ダイナミクスと投影された2次元情報の両方を利用する。 私たちのコントリビューションは2つあります: 拡張された空間にわたる現実的な外見の変化をキャプチャする、挑戦的なベンチマークCCGaitを提供しています。
  論文  参考訳（メタデータ） (2023-12-30T16:12:13Z)
• What to Remember: Self-Adaptive Continual Learning for Audio Deepfake Detection [53.063161380423715]
  既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。 本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T09:52:17Z)
• Detecting Rumor Veracity with Only Textual Information by Double-Channel Structure [7.931904787652709]
  ソーシャルメディア上での噂の真偽を判断するための二重チャネル構造を提案する。 まず、各テキストを特定の(偽の噂)または不確実な(偽の噂)カテゴリに割り当てる。 次に,情報提供された噂に対して嘘検出アルゴリズムを適用し,未報の噂に対してスレッド応答合意検出アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2023-12-06T00:08:44Z)
• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• Calling to CNN-LSTM for Rumor Detection: A Deep Multi-channel Model for Message Veracity Classification in Microblogs [0.0]
  噂は特に個人や社会に深刻なダメージを与える可能性がある。 ほとんどの噂検出アプローチは、噂の特徴分析と社会的特徴に焦点を当てている。 DeepMONITORはディープニューラルネットワークをベースにしており、かなり正確な自動噂検証を可能にする。
  論文  参考訳（メタデータ） (2021-10-11T07:42:41Z)
• Identifying Possible Rumor Spreaders on Twitter: A Weak Supervised Learning Approach [0.0]
  噂は1つの誤報だ(他のタイプは偽ニュース、偽ニュースなど)。 噂の拡散を抑える一つの方法は、噂の拡散に頻繁に関与するユーザーを特定することだ。 我々は,教師あり学習手法を適用する前に,ユーザ,テキスト,エゴネットワークの3種類の機能を利用する。
  論文  参考訳（メタデータ） (2020-10-15T10:31:28Z)
• Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks [89.13567439679709]
  本稿では,二方向グラフ畳み込みネットワーク (Bi-Directional Graph Convolutional Networks, Bi-GCN) と呼ばれる新しい双方向グラフモデルを提案する。 これは、噂拡散のパターンを学習するために、噂拡散のトップダウン指向グラフを持つGCNと、噂拡散の反対指向グラフを持つGCNを活用して、噂拡散の構造を捉える。
  論文  参考訳（メタデータ） (2020-01-17T15:12:08Z)
• On Early-stage Debunking Rumors on Twitter: Leveraging the Wisdom of Weak Learners [4.325479143880198]
  本稿では、畳み込みニューラルネットワークを用いて、個々の噂関連ツイートの隠れ表現を学習する早期噂検出手法を提案する。 われわれの実験は、噂の最初の数時間で、明確な分類性能が向上したことを示している。
  論文  参考訳（メタデータ） (2017-09-13T16:15:59Z)

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。