Fugu-MT 論文翻訳(概要): The Coronavirus is a Bioweapon: Analysing Coronavirus Fact-Checked Stories

論文の概要: The Coronavirus is a Bioweapon: Analysing Coronavirus Fact-Checked Stories

arxiv url: http://arxiv.org/abs/2104.01215v1
Date: Fri, 2 Apr 2021 19:27:53 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 05:21:54.870347
Title: The Coronavirus is a Bioweapon: Analysing Coronavirus Fact-Checked Stories
Title（参考訳）: コロナウイルスはバイオウェポンだ:コロナウイルスの偽ニュースの分析
Authors: Lynnette Hui Xian Ng and Kathleen M. Carley
Abstract要約: 私たちは、2020年1月から6月までの事実チェックグループPolitiFact、Poynter、Snopesによって報告されたストーリーを探索します。時系列とストーリー妥当性の傾向を分析する前に、6つのストーリークラスタに特徴付ける。多様なストーリーソースの分類に使用できるBERT分類器を用いた独自の自動メソッドを提案する。
参考スコア（独自算出の注目度）: 10.41173550046445
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The 2020 coronavirus pandemic has heightened the need to flag coronavirus-related misinformation, and fact-checking groups have taken to verifying misinformation on the Internet. We explore stories reported by fact-checking groups PolitiFact, Poynter and Snopes from January to June 2020, characterising them into six story clusters before then analyse time-series and story validity trends and the level of agreement across sites. We further break down the story clusters into more granular story types by proposing a unique automated method with a BERT classifier, which can be used to classify diverse story sources, in both fact-checked stories and tweets.
Abstract（参考訳）: 2020年の新型コロナウイルスの感染拡大で、新型コロナウイルス関連の誤報を警告する必要性が高まっている。我々は、2020年1月から6月までにPolitiFact、Pynter、Snopesによって報告されたストーリーを6つのストーリークラスタに分類し、時系列とストーリー妥当性の傾向とサイト間の合意のレベルを分析した。さらに、さまざまなストーリーソースをファクトチェックされたストーリーとつぶやきの両方で分類するために、BERT分類器でユニークな自動メソッドを提案することで、ストーリークラスタをより粒度の細かいストーリータイプに分解します。

関連論文リスト

SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
論文参考訳（メタデータ） (2024-10-24T03:03:54Z)
Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
論文参考訳（メタデータ） (2024-09-20T14:56:33Z)
SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。 SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文参考訳（メタデータ） (2023-11-27T04:50:01Z)
Unsupervised Story Discovery from Continuous News Streams via Scalable Thematic Embedding [37.62597275581973]
関連ニュース記事のあるストーリーをリアルタイムで発見することは、高価な人間のアノテーションなしで巨大なニュースストリームを消化するのに役立ちます。記事や物語を動的に表現するために,既訓練の文エンコーダを用いた新しいテーマ埋め込みを提案する。実ニュースデータセットによる徹底的な評価は、USTORYがベースラインよりも高いストーリー発見性能を達成することを示す。
論文参考訳（メタデータ） (2023-04-08T20:41:15Z)
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)
Detecting Narrative Elements in Informational Text [0.0]
NEAT(Narrative Elements AnnoTation)は,原文中の物語要素を検出する新しいNLPタスクである。各種分野の46のニュース記事から収集した2,209文の新しいデータセットを注釈付けするために,本手法を用いる。我々は、注釈付きデータセット上で複数の異なる設定で教師付きモデルを訓練し、異なる物語要素を識別し、平均F1スコアを最大0.77まで達成した。
論文参考訳（メタデータ） (2022-10-06T16:23:33Z)
Classifying COVID-19 vaccine narratives [7.784326429148358]
政府の情報キャンペーンや世界保健機関(WHO)の努力にもかかわらず、ワクチンの行き詰まりは広範囲に及んでいる。本稿では,新型コロナウイルスワクチンを7つのカテゴリの1つに分類する新しいワクチン物語分類タスクを紹介する。また,クロスバリデーション条件下での精度を84%に向上させるニューラルワクチン物語分類器も提案した。
論文参考訳（メタデータ） (2022-07-18T11:37:47Z)
A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文参考訳（メタデータ） (2021-08-07T15:08:15Z)
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)
ArCorona: Analyzing Arabic Tweets in the Early Days of Coronavirus (COVID-19) Pandemic [3.057212947792573]
我々は、新型コロナウイルスに関連するアラビア語のツイートを手動で注釈付けした最大のデータセットを提示する。アノテーションガイドラインを記述し、データセットを分析し、効果的な機械学習とトランスフォーマーに基づく分類モデルを構築する。
論文参考訳（メタデータ） (2020-12-02T19:05:25Z)
Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文参考訳（メタデータ） (2020-09-16T14:13:15Z)

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。