論文の概要: Detection of fake news on CoViD-19 on Web Search Engines
- arxiv url: http://arxiv.org/abs/2103.11804v1
- Date: Mon, 22 Mar 2021 13:07:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-24 00:51:54.222353
- Title: Detection of fake news on CoViD-19 on Web Search Engines
- Title（参考訳）: ウェブ検索エンジンによるcovid-19偽ニュースの検出
- Authors: V. Mazzeo, A. Rapisarda and G. Giuffrida
- Abstract要約: 中国が新型ウイルスの最初の症例(SARS-CoV-2)を報告した後、信頼性が低く、正確な情報がウイルス自体よりも早く拡散し始めた。
本研究は,検索エンジンを経由するテキスト情報を取り込んで解析することにより,誤用や偽コンテンツの検出を目標としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In early January 2020, after China reported the first cases of the new
coronavirus (SARS-CoV-2) in the city of Wuhan, unreliable and not fully
accurate information has started spreading faster than the virus itself.
Alongside this pandemic, people have experienced a parallel infodemic, i.e., an
overabundance of information, some of which misleading or even harmful, that
has widely spread around the globe. Although Social Media are increasingly
being used as information source, Web Search Engines, like Google or Yahoo!,
still represent a powerful and trustworthy resource for finding information on
the Web. This is due to their capability to capture the largest amount of
information, helping users quickly identify the most relevant, useful, although
not always the most reliable, results for their search queries. This study aims
to detect potential misleading and fake contents by capturing and analysing
textual information, which flow through Search Engines. By using a real-world
dataset associated with recent CoViD-19 pandemic, we first apply re-sampling
techniques for class imbalance, then we use existing Machine Learning
algorithms for classification of not reliable news. By extracting lexical and
host-based features of associated Uniform Resource Locators (URLs) for news
articles, we show that the proposed methods, so common in phishing and
malicious URLs detection, can improve the efficiency and performance of
classifiers. Based on these findings, we think that usage of both textual and
URLs features can improve the effectiveness of fake news detection methods.
- Abstract（参考訳）: 2020年1月上旬、中国が武漢市で新型ウイルス(SARS-CoV-2)の初感染を報告して以来、完全に正確でない情報がウイルス自体よりも早く拡散し始めた。
このパンデミックに加えて、人々は平行したインフォデミック、すなわち過度な情報(一部は誤解を招くか有害である)を経験し、世界中に広まっている。
ソーシャルメディアは情報ソースとしてますます使われているが、GoogleやYahoo!のようなWeb検索エンジンは、Web上の情報を見つけるための強力で信頼できるリソースである。
これは、最大量の情報をキャプチャし、ユーザーが検索クエリの最も重要で有用な、必ずしも最も信頼性の高い検索結果を素早く特定できる能力のためである。
本研究は,検索エンジンを経由するテキスト情報を取り込んで解析することにより,誤用や偽コンテンツの検出を目標としている。
最近のCoViD-19パンデミックに関連する実世界のデータセットを使用することで、まずクラス不均衡に対する再サンプリング技術を適用し、信頼できないニュースの分類に既存の機械学習アルゴリズムを使用します。
ニュース記事に対する一様資源ロケータ(URL)の語彙的およびホスト的特徴を抽出することにより、フィッシングや悪意のあるURL検出に共通する提案手法は、分類器の効率と性能を向上させることができることを示す。
これらの結果から,テキスト機能とurl機能の両方を用いることで偽ニュース検出の有効性が向上すると考えられる。
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) - Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。
また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。
我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
論文 参考訳（メタデータ） (2023-03-14T16:11:47Z) - 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 Review of Web Infodemic Analysis and Detection Trends across
Multi-modalities using Deep Neural Networks [3.42658286826597]
フェイクニュース検出は最も分析され、顕著な研究分野の1つである。
Facebook、Reddit、WhatsApp、YouTube、その他のソーシャルアプリケーションは、この新興分野で徐々に注目を集めている。
このレビューは主に、画像、ビデオ、およびそれらのテキストの組み合わせを含むマルチモーダルフェイクニュース検出技術を扱う。
論文 参考訳（メタデータ） (2021-11-23T16:02:28Z) - Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。
そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。
実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文 参考訳（メタデータ） (2021-10-13T04:44:02Z) - A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。
第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。
また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
論文 参考訳（メタデータ） (2021-09-26T08:11:17Z) - Tackling COVID-19 Infodemic using Deep Learning [0.0]
オンラインメディア上で偽ニュースを検出し、分類し、新型コロナウイルスや新型コロナウイルスに関連する偽情報を検出する。
データセットには偽の投稿、記事、ニュースがポリティファクトのような事実チェックサイトから集められ、実際のツイートは確認済みのTwitterハンドルから取られた。
論文 参考訳（メタデータ） (2021-07-01T11:07:47Z) - SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。
従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。
虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
論文 参考訳（メタデータ） (2021-05-22T09:26:13Z) - 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) - 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) - 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)
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。