論文の概要: A Systematic Review on the Detection of Fake News Articles
- arxiv url: http://arxiv.org/abs/2110.11240v1
- Date: Mon, 18 Oct 2021 21:29:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 13:35:31.496471
- Title: A Systematic Review on the Detection of Fake News Articles
- Title（参考訳）: フェイクニュース記事の検出に関するシステムレビュー
- Authors: Nathaniel Hoy, Theodora Koulouri
- Abstract要約: 偽ニュースや偽情報の拡散は世界中の社会に脅威をもたらすと論じられている。
この脅威に対処するため、自然言語処理(NLP)アプローチが開発されている。
本稿は,最も性能の高い偽ニュース検出手法の定式化,既存手法による制約の特定,緩和手法の提案を目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: It has been argued that fake news and the spread of false information pose a
threat to societies throughout the world, from influencing the results of
elections to hindering the efforts to manage the COVID-19 pandemic. To combat
this threat, a number of Natural Language Processing (NLP) approaches have been
developed. These leverage a number of datasets, feature extraction/selection
techniques and machine learning (ML) algorithms to detect fake news before it
spreads. While these methods are well-documented, there is less evidence
regarding their efficacy in this domain. By systematically reviewing the
literature, this paper aims to delineate the approaches for fake news detection
that are most performant, identify limitations with existing approaches, and
suggest ways these can be mitigated. The analysis of the results indicates that
Ensemble Methods using a combination of news content and socially-based
features are currently the most effective. Finally, it is proposed that future
research should focus on developing approaches that address generalisability
issues (which, in part, arise from limitations with current datasets),
explainability and bias.
- Abstract（参考訳）: 偽ニュースや偽情報の拡散は、選挙の結果に影響を与えることや、新型コロナウイルス(COVID-19)のパンデミック対策への取り組みを妨げることなど、世界中の社会に脅威をもたらすと論じられている。
この脅威に対処するため、自然言語処理(NLP)アプローチが開発されている。
これらは、さまざまなデータセット、特徴抽出/選択技術、機械学習(ML)アルゴリズムを活用して、拡散前にフェイクニュースを検出する。
これらの手法は文書化されているが、この領域での有効性に関する証拠は少ない。
論文を体系的にレビューすることで、最もパフォーマンスの高い偽ニュース検出のアプローチを明確にし、既存のアプローチによる制限を特定し、これらを緩和する方法を提案する。
その結果,ニュースコンテンツとソーシャル機能の組み合わせを用いたアンサンブル手法が現在最も効果的であることが示された。
最後に、将来の研究は、汎用性の問題(一部は現在のデータセットの制限から生じる)、説明可能性、バイアスに対処するアプローチの開発に焦点を当てるべきである。
関連論文リスト
- Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness [22.349521957987672]
ソーシャルグラフに基づく偽ニュース検出は、社会的文脈を利用して偽情報を含むニュース記事を特定することを目的としている。
我々は、現実のシナリオを模倣するより現実的な評価スキームを定式化する。
従来の手法の識別能力は,この新しい設定下で急激に低下することを示す。
論文 参考訳（メタデータ） (2024-11-19T05:08:00Z) - Less is More: Unseen Domain Fake News Detection via Causal Propagation Substructures [13.80520305397377]
本稿では,Causal Subgraph-oriented Domain Adaptive Fake News Detectionモデルを提案する。
伝播グラフから因果部分構造を抽出することにより、ゼロショットフェイクニュースの検出を強化するように設計されている。
他の最先端モデルに比べて7～16パーセントの精度向上を実現している。
論文 参考訳（メタデータ） (2024-11-14T12:05:35Z) - Exploring the Deceptive Power of LLM-Generated Fake News: A Study of Real-World Detection Challenges [21.425647152424585]
条件付き変分オートエンコーダライズプロンプト(VLPrompt)と呼ばれる強力なフェイクニュース攻撃手法を提案する。
現行のメソッドとは異なり、VLPromptはコンテキストコヒーレンスを維持しながら追加のデータ収集を不要にする。
さまざまな検出方法や新しい人間の研究指標を含む実験を行い,その性能をデータセット上で評価した。
論文 参考訳（メタデータ） (2024-03-27T04:39:18Z) - Re-Search for The Truth: Multi-round Retrieval-augmented Large Language Models are Strong Fake News Detectors [38.75533934195315]
大きな言語モデル(LLM)はその顕著な推論と生成能力で知られている。
クレーム検証のための Web ソースからキーエビデンスを自動的に戦略的に抽出する,新たな LLM フレームワークについて紹介する。
我々の枠組みは十分な証拠の取得を保証し、性能を向上させる。
論文 参考訳（メタデータ） (2024-03-14T00:35:39Z) - 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) - 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) - 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) - Automated Evidence Collection for Fake News Detection [11.324403127916877]
本稿では,現在行われている偽ニュース検出手法を改良した新しい手法を提案する。
提案手法は,Web記事からエビデンスを抽出し,エビデンスとして扱うための適切なテキストを選択する。
我々の実験は、機械学習とディープラーニングに基づく手法の両方を用いて、我々のアプローチを広範囲に評価するのに役立つ。
論文 参考訳（メタデータ） (2021-12-13T09:38:41Z) - 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) - 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。