論文の概要: On Representation Learning for Scientific News Articles Using Heterogeneous Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2104.05866v1
• Date: Mon, 12 Apr 2021 23:46:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-15 01:01:03.172859
• Title: On Representation Learning for Scientific News Articles Using Heterogeneous Knowledge Graphs
• Title（参考訳）: 異種知識グラフを用いた科学ニュース記事表現学習について
• Authors: Angelika Romanou, Panayiotis Smeros, Karl Aberer
• Abstract要約: 本稿では,科学ニュース記事と引用科学出版物との有向グラフをモデル化し,科学ニュース記事表現を作成する手法を提案する。 その結果、知識追跡と科学的ニュース信頼性評価の分野におけるグラフニューラルネットワークアプローチの有望な応用が示された。
• 参考スコア（独自算出の注目度）: 4.186267062202487
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the era of misinformation and information inflation, the credibility assessment of the produced news is of the essence. However, fact-checking can be challenging considering the limited references presented in the news. This challenge can be transcended by utilizing the knowledge graph that is related to the news articles. In this work, we present a methodology for creating scientific news article representations by modeling the directed graph between the scientific news articles and the cited scientific publications. The network used for the experiments is comprised of the scientific news articles, their topic, the cited research literature, and their corresponding authors. We implement and present three different approaches: 1) a baseline Relational Graph Convolutional Network (R-GCN), 2) a Heterogeneous Graph Neural Network (HetGNN) and 3) a Heterogeneous Graph Transformer (HGT). We test these models in the downstream task of link prediction on the: a) news article - paper links and b) news article - article topic links. The results show promising applications of graph neural network approaches in the domains of knowledge tracing and scientific news credibility assessment.
• Abstract（参考訳）: 誤った情報や情報インフレーションの時代には、生成されたニュースの信頼性評価が本質的である。 しかし、ニュースで提示される限られた参照を考えると、事実チェックは難しい。 この課題は、ニュース記事に関連する知識グラフを利用して超越することができる。 本稿では,科学ニュース記事と引用科学出版物との有向グラフをモデル化し,科学ニュース記事表現を作成する手法を提案する。 実験に使用されたネットワークは、科学ニュース記事、そのトピック、引用された研究文献、および対応する著者で構成されています。 本稿では,1)リレーショナルグラフ畳み込みネットワーク(R-GCN),2)ヘテロジニアスグラフニューラルネットワーク(HetGNN),3)ヘテロジニアスグラフ変換器(HGT)の3つのアプローチを実装し,提案する。 a) ニュース記事 - ペーパーリンクとb) ニュース記事 - 記事トピックリンク。 その結果、知識追跡と科学的ニュース信頼性評価の分野におけるグラフニューラルネットワークアプローチの有望な応用が示された。

関連論文リスト

• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• SciLander: Mapping the Scientific News Landscape [8.504643390943409]
  本稿では,SciLanderについて紹介する。SciLanderは,科学に基づくトピックに関するニュースソースの表現を学習する手法である。 我々は,2020年のパンデミック開始から18ヶ月の期間にわたって,500件の情報源から100万件近いニュース記事を含む,新たな新型コロナウイルスデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2022-05-16T20:20:43Z)
• Discovering the Representation Bottleneck of Graph Neural Networks from Multi-order Interactions [51.597480162777074]
  グラフニューラルネットワーク(GNN)は、ノード機能を伝搬し、インタラクションを構築するためにメッセージパッシングパラダイムに依存している。 最近の研究は、異なるグラフ学習タスクはノード間の異なる範囲の相互作用を必要とすることを指摘している。 科学領域における2つの共通グラフ構築法、すなわち、emphK-nearest neighbor(KNN)グラフとemphfully-connected(FC)グラフについて検討する。
  論文  参考訳（メタデータ） (2022-05-15T11:38:14Z)
• Fake News Quick Detection on Dynamic Heterogeneous Information Networks [3.599616699656401]
  偽ニュース検出のための新しい動的不均一グラフニューラルネットワーク(DHGNN)を提案する。 我々はまず、ニュース記事の内容と著者プロファイルのセマンティック表現を得るために、BERTと微調整BERTを実装した。 そして、文脈情報と関係を反映した異質なニュース著者グラフを構築する。
  論文  参考訳（メタデータ） (2022-05-14T11:23:25Z)
• A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection [0.0]
  低コスト、ソーシャルプラットフォーム経由のシンプルなアクセシビリティ、低予算のオンラインニュースソースが、偽ニュースの普及に寄与する要因の1つだ。 既存の偽ニュース検出アルゴリズムのほとんどは、ニュースコンテンツのみに焦点を当てている。 エンゲージメントのあるユーザーによる事前投稿やソーシャル活動は、ニュースに対する見解に関する豊富な情報を提供し、フェイクニュースの識別を改善する重要な能力を持っている。
  論文  参考訳（メタデータ） (2022-03-26T18:40:03Z)
• Graph Neural Networks for Graphs with Heterophily: A Survey [98.45621222357397]
  異種グラフに対するグラフニューラルネットワーク(GNN)の総合的なレビューを提供する。 具体的には,既存の異好性GNNモデルを本質的に支配する系統分類法を提案する。 グラフヘテロフィリーと様々なグラフ研究領域の相関を議論し、より効果的なGNNの開発を促進することを目的とした。
  論文  参考訳（メタデータ） (2022-02-14T23:07:47Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)
• Adversarial Active Learning based Heterogeneous Graph Neural Network for Fake News Detection [18.847254074201953]
  新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。 AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。 2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースの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） (2021-01-27T05:05:25Z)
• What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
  本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。 本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。 本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2020-11-06T02:23:01Z)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)
• Fake News Detection on News-Oriented Heterogeneous Information Networks through Hierarchical Graph Attention [12.250335118888891]
  階層型グラフ注意ネットワーク(HGAT)という,新たなフェイクニュース検出フレームワークを提案する。 HGATは、新しい階層的な注意機構を使用して、HINでノード表現学習を行い、ニュース記事ノードを分類することでフェイクニュースを検出する。 2つの実世界のフェイクニュースデータセットの実験は、HGATがテキストベースのモデルや他のネットワークベースのモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2020-02-05T19:09:13Z)

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。