論文の概要: Detecting Fake News Using Machine Learning : A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2102.04458v1
• Date: Mon, 8 Feb 2021 21:36:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-10 14:52:23.664379
• Title: Detecting Fake News Using Machine Learning : A Systematic Literature Review
• Title（参考訳）: 機械学習による偽ニュースの検出 : 体系的文献レビュー
• Authors: Alim Al Ayub Ahmed, Ayman Aljabouh, Praveen Kumar Donepudi, Myung Suh Choi
• Abstract要約: これらのユーザーにはさまざまなソーシャルメディアプラットフォームが利用できる。 どんなユーザーでも投稿を投稿したり、オンラインプラットフォームを通じてニュースを広めることができる。 フェイクニュースをこれらのプラットフォームに広めようとするユーザーもいる。 人間はこれらの偽ニュースをすべて検出できない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Internet is one of the important inventions and a large number of persons are its users. These persons use this for different purposes. There are different social media platforms that are accessible to these users. Any user can make a post or spread the news through the online platforms. These platforms do not verify the users or their posts. So some of the users try to spread fake news through these platforms. These news can be propaganda against an individual, society, organization or political party. A human being is unable to detect all these fake news. So there is a need for machine learning classifiers that can detect these fake news automatically. Use of machine learning classifiers for detecting fake news is described in this systematic literature review.
• Abstract（参考訳）: インターネットは重要な発明の1つであり、多くの人がそのユーザーである。 これらの人は異なる目的のためにこれを使用します。 これらのユーザーにアクセスできるさまざまなソーシャルメディアプラットフォームがあります。 ユーザーは誰でも投稿したり、ニュースをオンラインプラットフォームに広めることができる。 これらのプラットフォームは、ユーザやその投稿を検証しません。 そのため、一部のユーザーは偽ニュースをプラットフォームに広めようとしている。 これらのニュースは個人、社会、組織、政党に対するプロパガンダとなりうる。 人間はこれらの偽のニュースを全て検出できません。 そのため、これらの偽ニュースを自動的に検出できる機械学習分類器が必要となる。 偽ニュース検出のための機械学習分類器の使用を体系的文献レビューに記述する。

関連論文リスト

• 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)
• 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)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• Combining Machine Learning with Knowledge Engineering to detect Fake News in Social Networks-a survey [0.7120858995754653]
  ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。 本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-01-20T07:43:15Z)
• Profiling Fake News Spreaders on Social Media through Psychological and Motivational Factors [26.942545715296983]
  ソーシャルメディア上でのフェイクニューススプレッシャーの特徴と動機要因について検討した。 次に、フェイクニューススプレッドラーが他のユーザーと異なる特徴を示すことができるかどうかを判定する一連の実験を行う。
  論文  参考訳（メタデータ） (2021-08-24T20:27:38Z)
• Is it Fake? News Disinformation Detection on South African News Websites [0.015863809575305417]
  自然言語処理は偽ニュースの検出に広く用いられている。 南アフリカなど、より地域的な文脈では特に問題となる。 本研究では,南アフリカのウェブサイトにおける偽ニュースの検出について調査する。
  論文  参考訳（メタデータ） (2021-08-06T04:54:03Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• The Rise and Fall of Fake News sites: A Traffic Analysis [62.51737815926007]
  偽ニュースサイトのオンラインプレゼンスを調査し、実際のニュースサイトと比較してその行動を特徴づけます。 そこで本研究では,偽ニュースサイトを自動的に検出するコンテンツ非依存のMLを構築した。
  論文  参考訳（メタデータ） (2021-03-16T18:10:22Z)
• 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)
• Fake News Spreader Detection on Twitter using Character N-Grams. Notebook for PAN at CLEF 2020 [0.0]
  このノートには、Twitter上の偽ニュース検出タスクのプロファイリングシステムについて書かれている。 我々は多言語の観点から異なる特徴抽出手法と学習実験を行う。 我々のモデルは、英語とスペイン語の公式テストセットで73%と79%の精度を達成しています。
  論文  参考訳（メタデータ） (2020-09-29T08:32:32Z)

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。