論文の概要: Hetero-SCAN: Towards Social Context Aware Fake News Detection via
Heterogeneous Graph Neural Network
- arxiv url: http://arxiv.org/abs/2109.08022v1
- Date: Mon, 13 Sep 2021 15:21:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-18 13:01:36.196743
- Title: Hetero-SCAN: Towards Social Context Aware Fake News Detection via
Heterogeneous Graph Neural Network
- Title（参考訳）: Hetero-SCAN:不均質グラフニューラルネットワークによる社会的文脈認識フェイクニュース検出に向けて
- Authors: Jian Cui, Kwanwoo Kim, Seung Ho Na, Seungwon Shin
- Abstract要約: 異種グラフニューラルネットワークに基づく新しい社会的文脈認識型偽ニュース検出手法Hetero-SCANを提案する。
我々は,Hetero-SCANが,最先端のテキストベースおよびグラフベースの偽ニュース検出手法に対して,性能と効率の面で大幅な改善をもたらすことを実証した。
- 参考スコア（独自算出の注目度）: 11.145085584637744
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news, false or misleading information presented as news, has a great
impact on many aspects of society, such as politics and healthcare. To handle
this emerging problem, many fake news detection methods have been proposed,
applying Natural Language Processing (NLP) techniques on the article text.
Considering that even people cannot easily distinguish fake news by news
content, these text-based solutions are insufficient. To further improve fake
news detection, researchers suggested graph-based solutions, utilizing the
social context information such as user engagement or publishers information.
However, existing graph-based methods still suffer from the following four
major drawbacks: 1) expensive computational cost due to a large number of user
nodes in the graph, 2) the error in sub-tasks, such as textual encoding or
stance detection, 3) loss of rich social context due to homogeneous
representation of news graphs, and 4) the absence of temporal information
utilization. In order to overcome the aforementioned issues, we propose a novel
social context aware fake news detection method, Hetero-SCAN, based on a
heterogeneous graph neural network. Hetero-SCAN learns the news representation
from the heterogeneous graph of news in an end-to-end manner. We demonstrate
that Hetero-SCAN yields significant improvement over state-of-the-art
text-based and graph-based fake news detection methods in terms of performance
and efficiency.
- Abstract（参考訳）: フェイクニュース(フェイクニュース、偽ニュースまたは誤解を招く情報)は、政治や医療など社会の多くの側面に大きな影響を与える。
この問題に対処するため、論文テキストに自然言語処理(NLP)技術を適用し、多くの偽ニュース検出手法が提案されている。
偽ニュースをニュースコンテンツで容易に区別できない人でさえ、これらのテキストベースのソリューションは不十分である。
フェイクニュース検出をさらに改善するため、研究者はグラフベースのソリューションを提案し、ユーザのエンゲージメントやパブリッシャ情報といったソーシャルコンテキスト情報を利用した。
しかし、既存のグラフベースの手法には、以下の4つの大きな欠点がある。
1)グラフ内の多数のユーザノードによる高価な計算コスト。
2 テキストエンコーディング又はスタンス検出等のサブタスクにおけるエラー
3)ニュースグラフの均一表現による豊かな社会的文脈の喪失
4) 時間的情報利用の欠如。
上記の課題を克服するために,異種グラフニューラルネットワークに基づく新しい社会的文脈を考慮した偽ニュース検出手法Hetero-SCANを提案する。
hetero-scanは、ニュースのヘテロジニアスグラフからエンドツーエンドでニュース表現を学ぶ。
我々は,Hetero-SCANが,最先端のテキストベースおよびグラフベースの偽ニュース検出手法に対して,性能と効率の点で大幅な改善をもたらすことを示した。
関連論文リスト
- Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph [19.409935976725446]
ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。
我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。
評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
論文 参考訳（メタデータ） (2024-06-14T09:55:54Z) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Fake News Detection Through Graph-based Neural Networks: A Survey [18.70577400440486]
低品質や故意に偽の情報をオンラインで急速に広めることができる。
オンラインの誤報をできるだけ早く特定し、公表することは、ますます緊急の課題になりつつある。
本稿では,グラフベースおよび深層学習に基づくフェイクニュース検出研究の体系的レビューを行う。
論文 参考訳（メタデータ） (2023-07-24T09:30:30Z) - 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) - 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) - 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) - 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) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z) - 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) - 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。