論文の概要: A Heuristic-driven Uncertainty based Ensemble Framework for Fake News
Detection in Tweets and News Articles
- arxiv url: http://arxiv.org/abs/2104.01791v1
- Date: Mon, 5 Apr 2021 06:35:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:42:24.082033
- Title: A Heuristic-driven Uncertainty based Ensemble Framework for Fake News
Detection in Tweets and News Articles
- Title（参考訳）: ツイートおよびニュース記事における偽ニュース検出のためのヒューリスティックな不確実性に基づくアンサンブルフレームワーク
- Authors: Sourya Dipta Das, Ayan Basak, Saikat Dutta
- Abstract要約: ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。
我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。
提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
- 参考スコア（独自算出の注目度）: 5.979726271522835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The significance of social media has increased manifold in the past few
decades as it helps people from even the most remote corners of the world to
stay connected. With the advent of technology, digital media has become more
relevant and widely used than ever before and along with this, there has been a
resurgence in the circulation of fake news and tweets that demand immediate
attention. In this paper, we describe a novel Fake News Detection system that
automatically identifies whether a news item is "real" or "fake", as an
extension of our work in the CONSTRAINT COVID-19 Fake News Detection in English
challenge. We have used an ensemble model consisting of pre-trained models
followed by a statistical feature fusion network , along with a novel heuristic
algorithm by incorporating various attributes present in news items or tweets
like source, username handles, URL domains and authors as statistical feature.
Our proposed framework have also quantified reliable predictive uncertainty
along with proper class output confidence level for the classification task. We
have evaluated our results on the COVID-19 Fake News dataset and FakeNewsNet
dataset to show the effectiveness of the proposed algorithm on detecting fake
news in short news content as well as in news articles. We obtained a best
F1-score of 0.9892 on the COVID-19 dataset, and an F1-score of 0.9073 on the
FakeNewsNet dataset.
- Abstract（参考訳）: ソーシャルメディアの重要性は過去数十年で増し、世界で最も遠く離れた場所の人々がつながり続けるのを助けるようになった。
テクノロジーの出現により、デジタルメディアはこれまでになく重要で広く利用され、それとともに、直ちに注意を喚起する偽ニュースやツイートの流通が復活した。
本稿では,ConSTRAINT COVID-19 Fake News Detection in English Challengeにおいて,ニュース項目が「本物」か「フェイク」かを自動的に識別する新しいフェイクニュース検知システムについて述べる。
我々は,先行学習モデルと統計的特徴融合ネットワークからなるアンサンブルモデルと,ニュース項目やツイートに含まれるさまざまな属性(ソース,ユーザ名ハンドル,urlドメイン,著者)を統計的特徴として組み込んだ新しいヒューリスティックアルゴリズムを用いた。
提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
我々は,covid-19偽ニュースデータセットとfakenewsnetデータセットの結果を評価し,短いニュースコンテンツやニュース記事における偽ニュースの検出における提案アルゴリズムの有効性を示した。
我々は、covid-19データセットのf1-score 0.9892、fakenewsnetデータセットのf1-score 0.9073を得た。
関連論文リスト
- Nothing Stands Alone: Relational Fake News Detection with Hypergraph
Neural Networks [49.29141811578359]
本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。
提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
論文 参考訳（メタデータ） (2022-12-24T00:19:32Z) - FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。
ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。
過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
論文 参考訳（メタデータ） (2022-12-13T11:17:32Z) - 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) - Combination Of Convolution Neural Networks And Deep Neural Networks For
Fake News Detection [0.0]
我々は、フェイクニュースチャレンジのステージ#1データセットを説明し、フェイクニュース検知システムを構築するための競争的試みの概要を説明した。
提案システムは,不一致カテゴリを除くすべてのカテゴリを高精度に検出する。
その結果、このシステムは84.6%の精度を達成し、他の競合研究に基づいて第2位にランク付けされた。
論文 参考訳（メタデータ） (2022-10-15T16:32:51Z) - Modelling Social Context for Fake News Detection: A Graph Neural Network
Based Approach [0.39146761527401425]
フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。
本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
論文 参考訳（メタデータ） (2022-07-27T12:58:33Z) - UrduFake@FIRE2020: Shared Track on Fake News Identification in Urdu [62.6928395368204]
本稿では、ウルドゥー語における偽ニュース検出に関するFIRE 2020における最初の共有タスクの概要について述べる。
目標は、900の注釈付きニュース記事と400のニュース記事からなるデータセットを使って偽ニュースを特定することである。
データセットには、 (i) Health、 (ii) Sports、 (iii) Showbiz、 (iv) Technology、 (v) Businessの5つのドメインのニュースが含まれている。
論文 参考訳（メタデータ） (2022-07-25T03:46:51Z) - 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) - DEAP-FAKED: Knowledge Graph based Approach for Fake News Detection [0.04834203844100679]
フェイクニュースを識別するためのノウレDgE grAPh FAKe nEws検出フレームワークを提案する。
私たちのアプローチは、ニュースコンテンツをエンコードするNLPと、知識グラフをエンコードするGNNテクニックを組み合わせたものです。
政治,ビジネス,技術,医療といった分野の記事を含む2つの公開データセットを用いて,我々のフレームワークを評価する。
論文 参考訳（メタデータ） (2021-07-04T07:09:59Z) - 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) - A Heuristic-driven Ensemble Framework for COVID-19 Fake News Detection [5.979726271522835]
新型コロナウイルスに関連するツイートが「本物」か「フェイク」かを自動で識別するフェイクニュース検知システムについて述べる。
リーダーボードのジョイント8位を達成するためのトレーニング済みモデルで構成されたアンサンブルモデルを使用しています。
F1スコア0.9883のツイートにユーザ名ハンドルとリンクドメインに基づく新しいアルゴリズムを組み込むことで,システムを大幅に改善することができた。
論文 参考訳（メタデータ） (2021-01-10T13:21:08Z) - A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。
我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
論文 参考訳（メタデータ） (2020-05-11T09:07:46Z)
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。