Fugu-MT 論文翻訳(概要): Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction

論文の概要: Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction

arxiv url: http://arxiv.org/abs/2108.02314v1
Date: Wed, 4 Aug 2021 23:27:10 GMT
ステータス: 処理完了
システム内更新日: 2021-08-07 01:27:51.532844
Title: Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction
Title（参考訳）: グラフリンク予測によるCOVID-19ワクチン誤情報の自動検出
Authors: Maxwell A. Weinzierl, Sanda M. Harabagiu
Abstract要約: 新型コロナウイルス(COVID-19)ワクチンに関するソーシャルメディアの誤報によって引き起こされたワクチンのヘシタシーは、大きなハードルとなった。 CoVaxLiesは、新型コロナウイルスワクチンに関するいくつかの誤報のターゲットに関連する、新しいツイートのデータセットである。本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。
参考スコア（独自算出の注目度）: 2.0625936401496237
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Enormous hope in the efficacy of vaccines became recently a successful reality in the fight against the COVID-19 pandemic. However, vaccine hesitancy, fueled by exposure to social media misinformation about COVID-19 vaccines became a major hurdle. Therefore, it is essential to automatically detect where misinformation about COVID-19 vaccines on social media is spread and what kind of misinformation is discussed, such that inoculation interventions can be delivered at the right time and in the right place, in addition to interventions designed to address vaccine hesitancy. This paper is addressing the first step in tackling hesitancy against COVID-19 vaccines, namely the automatic detection of misinformation about the vaccines on Twitter, the social media platform that has the highest volume of conversations about COVID-19 and its vaccines. We present CoVaxLies, a new dataset of tweets judged relevant to several misinformation targets about COVID-19 vaccines on which a novel method of detecting misinformation was developed. Our method organizes CoVaxLies in a Misinformation Knowledge Graph as it casts misinformation detection as a graph link prediction problem. The misinformation detection method detailed in this paper takes advantage of the link scoring functions provided by several knowledge embedding methods. The experimental results demonstrate the superiority of this method when compared with classification-based methods, widely used currently.
Abstract（参考訳）: 新型コロナウイルスのパンデミック(COVID-19)との戦いにおいて、ワクチンの効力に対する大きな希望が、最近成功している。しかし、新型コロナウイルスワクチンに関するソーシャルメディアの誤報に曝露されたワクチンの難しさは大きなハードルとなった。そのため, ソーシャルメディア上での新型コロナウイルスワクチンの誤情報を拡散する場所や, 接種介入を適切なタイミングで, 適切な場所で行うことができるような, どのような誤報が議論されているかを自動的に検出することが重要である。本稿は、新型コロナウイルス(covid-19)ワクチンに関する会話の量が最も多いソーシャルメディアプラットフォームであるtwitter上で、ワクチンに関する誤った情報を自動検出することである。 CoVaxLiesは、新しい偽情報検出方法が開発された新型コロナウイルスワクチンに関するいくつかの誤情報ターゲットに関連するツイートのデータセットである。本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。本稿では,複数の知識埋め込み手法によって提供されるリンクスコアリング機能を生かした誤情報検出手法を提案する。実験により,現在広く使用されている分類法と比較して,本手法の優位性を示した。

関連論文リスト

AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System [0.05461938536945722]
本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
論文参考訳（メタデータ） (2023-10-29T13:07:33Z)
VaxxHesitancy: A Dataset for Studying Hesitancy towards COVID-19 Vaccination on Twitter [6.061534265076204]
新型コロナウイルス(COVID-19)ワクチン接種に対するユーザの態度を示す3,101件以上のツイートの新たなコレクションを作成します。私たちの知る限りでは、ワクチンのヘシタシーを、予防的および抗ワクチン的スタンスとは異なるカテゴリとしてモデル化する最初のデータセットとモデルです。
論文参考訳（メタデータ） (2023-01-17T02:00:31Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。医師は新型ワクチンよりもワクチンの有効性を懸念している。看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文参考訳（メタデータ） (2022-09-11T14:22:16Z)
A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter [4.696697601424039]
新型コロナウイルスワクチンに関連するツイートのデータセットの収集と公開について述べる。このデータセットは、西ヨーロッパから収集された2,198,090のツイートのIDで構成され、そのうち17,934件は原住民の予防接種姿勢に注釈付けされている。
論文参考訳（メタデータ） (2022-06-27T13:44:48Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
VaccineLies: A Natural Language Resource for Learning to Recognize Misinformation about the COVID-19 and HPV Vaccines [0.0]
VaccineLiesは、新型コロナウイルスワクチンとヒトパピローマウイルス(HPV)ワクチンの2つのワクチンに関する誤情報を広めるツイートの集合体である。 Twitter上で偽情報ターゲティングワクチンを自動的に認識する機能は、データリソースの可用性に依存する。
論文参考訳（メタデータ） (2022-02-18T22:09:38Z)
Identifying the Adoption or Rejection of Misinformation Targeting COVID-19 Vaccines in Twitter Discourse [0.0]
ソーシャルメディアで宣伝する新型コロナウイルスワクチンに関する誤報は、ワクチン接種への執着を促していると考えられている。本稿では,誤情報に対する態度を,態度の整合性とその特性に頼って識別する新しい枠組みについて述べる。実験は、CoVaxLiesと呼ばれる新型コロナウイルスワクチンに対する誤情報の新しいデータセット上で行われ、最近のTwitterの談話から収集された。
論文参考訳（メタデータ） (2022-02-18T22:01:49Z)
Misinformation Has High Perplexity [55.47422012881148]
疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
論文参考訳（メタデータ） (2020-06-08T15:13:44Z)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文参考訳（メタデータ） (2020-04-30T03:13:40Z)

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。