論文の概要: A Survey on Multimodal Disinformation Detection

• arxiv url: http://arxiv.org/abs/2103.12541v1
• Date: Sat, 13 Mar 2021 18:04:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-05 01:04:11.190051
• Title: A Survey on Multimodal Disinformation Detection
• Title（参考訳）: マルチモーダル情報検出に関する調査研究
• Authors: Firoj Alam, Stefano Cresci, Tanmoy Chakraborty, Fabrizio Silvestri, Dimiter Dimitrov, Giovanni Da San Martino, Shaden Shaar, Hamed Firooz, Preslav Nakov
• Abstract要約: 様々なモダリティの組み合わせをカバーするマルチモーダル情報検出技術について検討する。 複数のモダリティを考慮し、事実と有害性を考慮し、偽情報検出に取り組む必要性を論じる。
• 参考スコア（独自算出の注目度）: 33.89798158570927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have witnessed the proliferation of fake news, propaganda, misinformation, and disinformation online. While initially this was mostly about textual content, over time images and videos gained popularity, as they are much easier to consume, attract much more attention, and spread further than simple text. As a result, researchers started targeting different modalities and combinations thereof. As different modalities are studied in different research communities, with insufficient interaction, here we offer a survey that explores the state-of-the-art on multimodal disinformation detection covering various combinations of modalities: text, images, audio, video, network structure, and temporal information. Moreover, while some studies focused on factuality, others investigated how harmful the content is. While these two components in the definition of disinformation -- (i) factuality and (ii) harmfulness, are equally important, they are typically studied in isolation. Thus, we argue for the need to tackle disinformation detection by taking into account multiple modalities as well as both factuality and harmfulness, in the same framework. Finally, we discuss current challenges and future research directions.
• Abstract（参考訳）: 近年では、偽ニュース、プロパガンダ、偽情報、偽情報をオンラインで拡散している。 当初はテキストコンテンツが中心だったが、時間が経つにつれて画像やビデオの人気が高まり、利用が容易になり、より注目を集め、単純なテキストよりも広く普及した。 その結果、研究者は異なるモダリティと組み合わせを標的にし始めた。 異なるモダリティが異なる研究コミュニティで研究されているため、我々は、テキスト、画像、音声、ビデオ、ネットワーク構造、時間的情報といった様々なモダリティの組み合わせをカバーするマルチモダリティ情報検出に関する最先端の調査結果を提供する。 また、事実性に着目した研究もあるが、コンテンツの有害性について調査する研究もある。 偽情報の定義におけるこれら2つの要素 -- (i) 事実性、および (ii) 有害性は等しく重要であるが、通常は孤立して研究されている。 したがって、同一の枠組みにおいて、複数のモダリティを考慮し、事実と有害性の両方を考慮し、偽情報検出に取り組む必要性を論じる。 最後に,現在の課題と今後の研究方向性について論じる。

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)
• Detecting Misinformation in Multimedia Content through Cross-Modal Entity Consistency: A Dual Learning Approach [10.376378437321437]
  クロスモーダルなエンティティの整合性を利用して、ビデオコンテンツから誤情報を検出するためのマルチメディア誤情報検出フレームワークを提案する。 以上の結果から,MultiMDは最先端のベースラインモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-16T16:14:36Z)
• A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
  蓄積とは、以前に獲得した知識の喪失または劣化を指す。 フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
  論文  参考訳（メタデータ） (2023-07-16T16:27:58Z)
• Multimodal Automated Fact-Checking: A Survey [20.533353006768497]
  マルチモーダルな誤報は、人間がより信頼しやすく、テキストのみの誤報よりも速く拡散すると考えられている。 マルチモーダル誤報に特有のサブタスクを含む,自動ファクトチェック(AFC)のためのフレームワークを概念化する。 実世界のファクトチェックで一般的な4つのモダリティ(テキスト、画像、オーディオ、ビデオ)に焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-22T21:52:24Z)
• Combating Health Misinformation in Social Media: Characterization, Detection, Intervention, and Open Issues [24.428582199602822]
  様々なソーシャルメディアプラットフォームの台頭は、オンライン誤報の拡散も可能にしている。 ソーシャルメディアにおける健康情報の誤報は、さまざまな分野の研究者から注目を集める新たな研究方向となっている。
  論文  参考訳（メタデータ） (2022-11-10T01:52:12Z)
• Vision+X: A Survey on Multimodal Learning in the Light of Data [64.03266872103835]
  様々なソースからのデータを組み込んだマルチモーダル機械学習が,ますます普及している研究分野となっている。 我々は、視覚、音声、テキスト、動きなど、各データフォーマットの共通点と特異点を分析する。 本稿では,表現学習と下流アプリケーションレベルの両方から,マルチモーダル学習に関する既存の文献を考察する。
  論文  参考訳（メタデータ） (2022-10-05T13:14:57Z)
• 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)
• Multi-modal Misinformation Detection: Approaches, Challenges and Opportunities [5.4482836906033585]
  ソーシャルメディアプラットフォームは、テキストベースのフォーラムからマルチモーダル環境へと進化している。 誤情報スプレッダーは、最近、テキストや画像などのモダリティ間のコンテキスト接続をターゲットにしている。 マルチモーダルな誤情報検出の分野での新たな研究機会を見出すために,既存のアプローチを分析,分類,そして,それらが直面する課題や欠点に加えて特定する。
  論文  参考訳（メタデータ） (2022-03-25T19:45:33Z)
• 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)
• Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
  偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています 偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
  論文  参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。