論文の概要: A Survey on Stance Detection for Mis- and Disinformation Identification

• arxiv url: http://arxiv.org/abs/2103.00242v1
• Date: Sat, 27 Feb 2021 15:27:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-04 19:40:32.631175
• Title: A Survey on Stance Detection for Mis- and Disinformation Identification
• Title（参考訳）: 誤報・誤報識別のためのスタンス検出に関する調査
• Authors: Momchil Hardalov, Arnav Arora, Preslav Nakov, Isabelle Augenstein
• Abstract要約: オンライン上の虚偽情報の検出において,姿勢検出が重要な課題となっている。 姿勢検出と誤情報検出の関係について, 総合的な視点からの調査は行われていない。
• 参考スコア（独自算出の注目度）: 32.800766653254634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting attitudes expressed in texts, also known as stance detection, has become an important task for the detection of false information online, be it misinformation (unintentionally false) or disinformation (intentionally false, spread deliberately with malicious intent). Stance detection has been framed in different ways, including: (a) as a component of fact-checking, rumour detection, and detecting previously fact-checked claims; or (b) as a task in its own right. While there have been prior efforts to contrast stance detection with other related social media tasks such as argumentation mining and sentiment analysis, there is no survey examining the relationship between stance detection detection and mis- and disinformation detection from a holistic viewpoint, which is the focus of this survey. We review and analyse existing work in this area, before discussing lessons learnt and future challenges.
• Abstract（参考訳）: テキストで表現された態度、またはスタンス検出は、誤った情報(意図しない嘘)や不正情報(意図的嘘、故意に悪意のある意図で拡散)など、オンラインで偽情報を検出する上で重要なタスクとなっている。 a)事実確認、噂の検出、および以前に事実確認されたクレームの検出のコンポーネントとして、または(b)独自の権利でタスクとして、スタンス検出はさまざまな方法でフレーム化されています。 議論マイニングや感情分析などの他の関連ソーシャルメディアとスタンス検出を対比する取り組みは以前から行われてきたが,本調査の焦点である全体的観点からのスタンス検出と誤情報検出との関連性について調査は行われていない。 この領域における既存の作業の見直しと分析を行い、教訓と今後の課題について議論します。

関連論文リスト

• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Generalized Out-of-Distribution Detection and Beyond in Vision Language Model Era: A Survey [107.08019135783444]
  VLM時代のAD, ND, OSR, OOD, ODの進化をカプセル化した一般OOD検出v2を提案する。 我々のフレームワークは、いくつかのフィールド不活性と統合により、要求される課題がOOD検出とADになっていることを明らかにしている。
  論文  参考訳（メタデータ） (2024-07-31T17:59:58Z)
• Claim Detection for Automated Fact-checking: A Survey on Monolingual, Multilingual and Cross-Lingual Research [7.242609314791262]
  本稿では,現状の多言語クレーム検出研究を,問題の3つの重要な要因,妥当性,優先性,類似性に分類する。 本稿では,既存の多言語データセットの概要と課題について概説し,今後の発展の可能性を提案する。
  論文  参考訳（メタデータ） (2024-01-22T14:17:03Z)
• A Unified Survey on Anomaly, Novelty, Open-Set, and Out-of-Distribution Detection: Solutions and Future Challenges [28.104112546546936]
  機械学習モデルは、トレーニング分布から分岐したサンプルに遭遇することが多い。 類似した共有概念にもかかわらず、アウト・オブ・ディストリビューション、オープン・セット、異常検出は独立して研究されている。 本調査は,各分野における多数の卓越した作品について,クロスドメインかつ包括的レビューを行うことを目的としている。
  論文  参考訳（メタデータ） (2021-10-26T22:05:31Z)
• Generalized Out-of-Distribution Detection: A Survey [83.0449593806175]
  アウト・オブ・ディストリビューション(OOD)検出は、機械学習システムの信頼性と安全性を確保するために重要である。 その他の問題として、異常検出(AD)、新規検出(ND)、オープンセット認識(OSR)、異常検出(OD)などがある。 まず、上記の5つの問題を含む一般化OOD検出という統合されたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-21T17:59:41Z)
• Claim Check-Worthiness Detection as Positive Unlabelled Learning [53.24606510691877]
  クレームチェックの信頼性検出はファクトチェックシステムにおいて重要な要素である。 これらの課題の根底にあるクレームチェックの信頼性検出における中心的な課題を照明する。 我々の最良の手法は、正の非競合学習の変種を用いて、これを自動的に修正する統一的なアプローチである。
  論文  参考訳（メタデータ） (2020-03-05T16:06:07Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。