論文の概要: DEAP-FAKED: Knowledge Graph based Approach for Fake News Detection

• arxiv url: http://arxiv.org/abs/2107.10648v1
• Date: Sun, 4 Jul 2021 07:09:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-25 11:56:08.412318
• Title: DEAP-FAKED: Knowledge Graph based Approach for Fake News Detection
• Title（参考訳）: DEAP-FAKED:知識グラフに基づくフェイクニュース検出手法
• Authors: Mohit Mayank, Shakshi Sharma, Rajesh Sharma
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.04834203844100679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake News on social media platforms has attracted a lot of attention in recent times, primarily for events related to politics (2016 US Presidential elections), healthcare (infodemic during COVID-19), to name a few. Various methods have been proposed for detecting Fake News. The approaches span from exploiting techniques related to network analysis, Natural Language Processing (NLP), and the usage of Graph Neural Networks (GNNs). In this work, we propose DEAP-FAKED, a knowleDgE grAPh FAKe nEws Detection framework for identifying Fake News. Our approach is a combination of the NLP -- where we encode the news content, and the GNN technique -- where we encode the Knowledge Graph (KG). A variety of these encodings provides a complementary advantage to our detector. We evaluate our framework using two publicly available datasets containing articles from domains such as politics, business, technology, and healthcare. As part of dataset pre-processing, we also remove the bias, such as the source of the articles, which could impact the performance of the models. DEAP-FAKED obtains an F1-score of 88% and 78% for the two datasets, which is an improvement of 21%, and 3% respectively, which shows the effectiveness of the approach.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上でのフェイクニュースは、政治(2016年アメリカ合衆国大統領選挙)や医療(新型コロナウイルス(covid-19)のインフォデミック)に関連するイベントなど、近年多くの注目を集めている。 フェイクニュースを検出する様々な方法が提案されている。 アプローチは、ネットワーク分析、自然言語処理(NLP)、グラフニューラルネット(GNN)の利用に関するテクニックの活用から成り立っている。 本研究では,フェイクニュースを識別するための知識グラフフェイクニュース検出フレームワークdeap-faked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(KG)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。 これらのエンコーディングは、我々の検出器に相補的な利点をもたらす。 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。 データセットの事前処理の一部として、モデルのパフォーマンスに影響を与える可能性のある記事のソースなどのバイアスも取り除きます。 deap-fakedは2つのデータセットに対して88%と78%のf1-scoreを取得し、それぞれ21%と3%の改善であり、このアプローチの有効性を示している。

関連論文リスト

• Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection [50.079690200471454]
  Few-Shot Fake News Detection (FS-FND) は、極めて低リソースのシナリオにおいて、非正確なニュースを実際のニュースと区別することを目的としている。 ソーシャルメディア上でのフェイクニュースの拡散や有害な影響により、このタスクは注目を集めている。 本稿では,内外からLLMを増強するDual-perspective Knowledge-Guided Fake News Detection (DKFND)モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-12T03:15:01Z)
• 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)
• Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2020 [62.6928395368204]
  タスクはバイナリ分類タスクとして設定され、ゴールはリアルニュースとフェイクニュースを区別することである。 トレーニング用に900の注釈付きニュース記事とテスト用に400のニュース記事のデータセットを作成した。 6カ国(インド、中国、エジプト、ドイツ、パキスタン、イギリス)の42チームが登録された。
  論文  参考訳（メタデータ） (2022-07-25T03:41:32Z)
• 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)
• 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 Uncertainty based Ensemble Framework for Fake News Detection in Tweets and News Articles [5.979726271522835]
  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。
  論文  参考訳（メタデータ） (2021-04-05T06:35:30Z)
• 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)
• Detecting Fake News with Capsule Neural Networks [0.6445605125467573]
  本稿では,疑似ニュース検出タスクにおいてカプセルニューラルネットを活用することを目的とする。 私たちは、異なる長さのニュースアイテムに異なる埋め込みモデルを使用します。 提案するアーキテクチャは,最近よく知られた2つのデータセットで評価されている。
  論文  参考訳（メタデータ） (2020-02-03T22:13:07Z)

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。