論文の概要: FR-Detect: A Multi-Modal Framework for Early Fake News Detection on
Social Media Using Publishers Features
- arxiv url: http://arxiv.org/abs/2109.04835v1
- Date: Fri, 10 Sep 2021 12:39:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-13 18:03:38.892113
- Title: FR-Detect: A Multi-Modal Framework for Early Fake News Detection on
Social Media Using Publishers Features
- Title（参考訳）: FR-Detect:パブリッシャ機能を用いたソーシャルメディア上の早期フェイクニュース検出のためのマルチモーダルフレームワーク
- Authors: Ali Jarrahi and Leila Safari
- Abstract要約: ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。
早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。
実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, with the expansion of the Internet and attractive social
media infrastructures, people prefer to follow the news through these media.
Despite the many advantages of these media in the news field, the lack of any
control and verification mechanism has led to the spread of fake news, as one
of the most important threats to democracy, economy, journalism and freedom of
expression. Designing and using automatic methods to detect fake news on social
media has become a significant challenge. In this paper, we examine the
publishers' role in detecting fake news on social media. We also suggest a high
accurate multi-modal framework, namely FR-Detect, using user-related and
content-related features with early detection capability. For this purpose, two
new user-related features, namely Activity Credibility and Influence, have been
introduced for publishers. Furthermore, a sentence-level convolutional neural
network is provided to combine these features with latent textual content
features properly. Experimental results have shown that the publishers'
features can improve the performance of content-based models by up to 13% and
29% in accuracy and F1-score, respectively.
- Abstract（参考訳）: 近年、インターネットの拡大と魅力的なソーシャルメディアインフラにより、人々はこれらのメディアを通じてニュースをフォローすることを好む。
ニュース分野におけるこれらのメディアの多くの利点にもかかわらず、制御と検証機構の欠如は、民主主義、経済、ジャーナリズム、表現の自由に対する最も重要な脅威の1つとして偽ニュースの拡散につながっている。
ソーシャルメディア上の偽ニュースを自動的に検出する手法の設計と利用は、大きな課題となっている。
本稿では,ソーシャルメディア上での偽ニュースの検出における出版社の役割について検討する。
また,早期検出機能を持つユーザ関連およびコンテンツ関連機能を用いて,高精度なマルチモーダルフレームワークfr-detectを提案する。
この目的のために、2つの新しいユーザー関連機能、すなわち活動の信頼性と影響がパブリッシャーに導入されている。
さらに、これらの特徴と潜在テキストコンテンツ特徴を適切に組み合わせるために、文レベルの畳み込みニューラルネットワークを提供する。
実験結果から,出版社はコンテンツベースモデルの性能を最大13%,F1スコアを最大29%向上させることができることがわかった。
関連論文リスト
- An Interactive Framework for Profiling News Media Sources [26.386860411085053]
本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。
グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。
人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
論文 参考訳（メタデータ） (2023-09-14T02:03:45Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - 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) - 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) - FNR: A Similarity and Transformer-Based Approachto Detect Multi-Modal
FakeNews in Social Media [4.607964446694258]
本研究の目的は、ソーシャルメディアのテキストや画像から複数モーダルな特徴を分析し、偽ニュースを検出することである。
本稿では、変換学習を利用して文脈的・意味的な特徴を抽出するFake News Revealer(FNR)手法を提案する。
提案手法は,従来の研究に比べて偽ニュースの検出精度が高いことを示す。
論文 参考訳（メタデータ） (2021-12-02T11:12:09Z) - 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) - Multimodal Fusion with BERT and Attention Mechanism for Fake News
Detection [0.0]
テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。
実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
論文 参考訳（メタデータ） (2021-04-23T08:47:54Z) - 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) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z)
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。