論文の概要: Fake News Detection: Experiments and Approaches beyond Linguistic
Features
- arxiv url: http://arxiv.org/abs/2109.12914v1
- Date: Mon, 27 Sep 2021 10:00:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-28 15:35:22.030082
- Title: Fake News Detection: Experiments and Approaches beyond Linguistic
Features
- Title(参考訳): 偽ニュース検出: 言語機能を超えた実験とアプローチ
- Authors: Shaily Bhatt, Sakshi Kalra, Naman Goenka, Yashvardhan Sharma
- Abstract要約: ニュース記事に関連付けられた信頼性情報とメタデータは、結果の改善に利用されてきた。
実験はまた、モデリングの正当性や証拠が、どのようにしてより良い結果をもたらすかを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Easier access to the internet and social media has made disseminating
information through online sources very easy. Sources like Facebook, Twitter,
online news sites and personal blogs of self-proclaimed journalists have become
significant players in providing news content. The sheer amount of information
and the speed at which it is generated online makes it practically beyond the
scope of human verification. There is, hence, a pressing need to develop
technologies that can assist humans with automatic fact-checking and reliable
identification of fake news. This paper summarizes the multiple approaches that
were undertaken and the experiments that were carried out for the task.
Credibility information and metadata associated with the news article have been
used for improved results. The experiments also show how modelling
justification or evidence can lead to improved results. Additionally, the use
of visual features in addition to linguistic features is demonstrated. A
detailed comparison of the results showing that our models perform
significantly well when compared to robust baselines as well as
state-of-the-art models are presented.
- Abstract(参考訳): インターネットやソーシャルメディアへのアクセスが容易になったことで、オンラインソースによる情報の拡散が非常に容易になった。
Facebook、Twitter、オンラインニュースサイト、自称ジャーナリストの個人ブログなどの情報源は、ニュースコンテンツを提供する上で重要な役割を担っている。
大量の情報と、それがオンラインで生成されるスピードは、事実上人間の検証の範囲を超えている。
したがって、フェイクニュースの自動ファクトチェックと信頼できる識別を人間を支援する技術を開発する必要がある。
本稿では, 実施した複数のアプローチと, 課題に対して実施した実験について要約する。
ニュース記事に関連する信頼性情報とメタデータは、結果の改善に使用されている。
実験はまた、モデリングの正当化や証拠が結果の改善にどのようにつながるかを示す。
また、言語的特徴に加え、視覚的特徴の使用も示している。
結果の詳細な比較により,ロバストなベースラインや最先端のモデルと比較して,モデルの性能が著しく向上したことが示された。
関連論文リスト
- Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳(メタデータ) (2023-11-02T08:39:45Z) - fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳(メタデータ) (2023-09-20T04:10:03Z) - Harnessing the Power of Text-image Contrastive Models for Automatic
Detection of Online Misinformation [50.46219766161111]
誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。
本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-19T02:53:59Z) - It's All in the Embedding! Fake News Detection Using Document Embeddings [0.6091702876917281]
本稿では,文書埋め込みを用いて,ニュース記事を信頼性やニセモノと正確にラベル付けする複数のモデルを構築する手法を提案する。
また、バイナリや複数ラベルの分類を用いて偽ニュースを検出する異なるアーキテクチャのベンチマークを示す。
論文 参考訳(メタデータ) (2023-04-16T13:30:06Z) - 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) - 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) - A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。
第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。
また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
論文 参考訳(メタデータ) (2021-09-26T08:11:17Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳(メタデータ) (2021-05-21T10:46:43Z) - Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。
敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。
ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
論文 参考訳(メタデータ) (2020-09-16T14:13:15Z) - 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)
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。