論文の概要: Hierarchical Multi-head Attentive Network for Evidence-aware Fake News Detection

• arxiv url: http://arxiv.org/abs/2102.02680v1
• Date: Thu, 4 Feb 2021 15:18:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 21:03:10.652045
• Title: Hierarchical Multi-head Attentive Network for Evidence-aware Fake News Detection
• Title（参考訳）: Evidence-Aware偽ニュース検出のための階層型マルチヘッドアテンシブネットワーク
• Authors: Nguyen Vo, Kyumin Lee
• Abstract要約: 本稿では,テキストクレームのファクトチェックのための階層型マルチヘッド注意ネットワークを提案する。 本モデルでは,単語レベルとエビデンスレベルの両方の説明を支援する多頭部単語レベルと多頭部文書レベルアテンションを併用する。
• 参考スコア（独自算出の注目度）: 11.990139228037124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread of fake news and misinformation in various domains ranging from politics, economics to public health has posed an urgent need to automatically fact-check information. A recent trend in fake news detection is to utilize evidence from external sources. However, existing evidence-aware fake news detection methods focused on either only word-level attention or evidence-level attention, which may result in suboptimal performance. In this paper, we propose a Hierarchical Multi-head Attentive Network to fact-check textual claims. Our model jointly combines multi-head word-level attention and multi-head document-level attention, which aid explanation in both word-level and evidence-level. Experiments on two real-word datasets show that our model outperforms seven state-of-the-art baselines. Improvements over baselines are from 6\% to 18\%. Our source code and datasets are released at \texttt{\url{https://github.com/nguyenvo09/EACL2021}}.
• Abstract（参考訳）: 政治、経済、公衆衛生など様々な分野で偽ニュースや誤報が広まっており、情報を自動的に事実確認する必要がある。 偽ニュース検出の最近の傾向は、外部ソースからの証拠を活用することです。 しかし、既存の証拠認識偽ニュース検出方法は、単語レベルの注意または証拠レベルの注意のみに焦点を合わせており、その結果、最適のパフォーマンスが低下する可能性があります。 本稿では,テキストクレームのファクトチェックを行う階層型マルチヘッド注意ネットワークを提案する。 私たちのモデルは、単語レベルと証拠レベルの両方の説明を助けるマルチヘッドワードレベルの注意とマルチヘッドドキュメントレベルの注意を共同で組み合わせます。 2つの実語データセットの実験は、私たちのモデルが7つの最先端のベースラインを上回っていることを示しています。 ベースラインに対する改善は6\%から18\%である。 ソースコードとデータセットは \texttt{\url{https://github.com/nguyenvo09/eacl2021}} でリリースされる。

関連論文リスト

• FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection [54.37159298632628]
  FineFakeは、フェイクニュース検出のためのマルチドメイン知識強化ベンチマークである。 FineFakeは6つのセマンティックトピックと8つのプラットフォームにまたがる16,909のデータサンプルを含んでいる。 FineFakeプロジェクト全体がオープンソースリポジトリとして公開されている。
  論文  参考訳（メタデータ） (2024-03-30T14:39:09Z)
• 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)
• 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)
• 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)
• 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)
• A Coarse-to-fine Cascaded Evidence-Distillation Neural Network for Explainable Fake News Detection [15.517424861844317]
  既存のフェイクニュース検出手法は、ニュースの一部を真または偽と分類し、説明を提供することを目的としており、優れたパフォーマンスを達成している。 あるニュースが事実確認され、あるいは公表されていない場合、関連する生のレポートは、通常、様々なメディアに散発的に配信される。 そこで本稿では, 偽ニュース検出のためのニューラルネットワークCofCED(Coarse-to-fine Cascaded Evidence-Distillation)を提案する。
  論文  参考訳（メタデータ） (2022-09-29T09:05:47Z)
• Supporting verification of news articles with automated search for semantically similar articles [0.0]
  偽ニュースを扱うための証拠検索手法を提案する。 学習課題は教師なし機械学習問題として定式化される。 われわれのアプローチは、コンセプトドリフトとは無関係である。 機械学習タスクはテキスト内の仮説とは独立している。
  論文  参考訳（メタデータ） (2021-03-29T12:56:59Z)
• A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
  複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。 我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
  論文  参考訳（メタデータ） (2020-05-11T09:07:46Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• Fake News Detection on News-Oriented Heterogeneous Information Networks through Hierarchical Graph Attention [12.250335118888891]
  階層型グラフ注意ネットワーク(HGAT)という,新たなフェイクニュース検出フレームワークを提案する。 HGATは、新しい階層的な注意機構を使用して、HINでノード表現学習を行い、ニュース記事ノードを分類することでフェイクニュースを検出する。 2つの実世界のフェイクニュースデータセットの実験は、HGATがテキストベースのモデルや他のネットワークベースのモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2020-02-05T19:09:13Z)

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。