論文の概要: Towards Fine-Grained Reasoning for Fake News Detection

• arxiv url: http://arxiv.org/abs/2110.15064v4
• Date: Sat, 5 Mar 2022 06:44:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 05:11:51.790715
• Title: Towards Fine-Grained Reasoning for Fake News Detection
• Title（参考訳）: フェイクニュース検出のためのきめ細かな推論
• Authors: Yiqiao Jin, Xiting Wang, Ruichao Yang, Yizhou Sun, Wei Wang, Hao Liao, Xing Xie
• Abstract要約: 我々は、人間の思考の論理的過程をよりよく反映して、偽ニュース検出のためのきめ細かい推論に向かっている。 特に,人間の情報処理モデルに従うことによって,詳細な推論フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 43.497126436856426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of fake news often requires sophisticated reasoning skills, such as logically combining information by considering word-level subtle clues. In this paper, we move towards fine-grained reasoning for fake news detection by better reflecting the logical processes of human thinking and enabling the modeling of subtle clues. In particular, we propose a fine-grained reasoning framework by following the human information-processing model, introduce a mutual-reinforcement-based method for incorporating human knowledge about which evidence is more important, and design a prior-aware bi-channel kernel graph network to model subtle differences between pieces of evidence. Extensive experiments show that our model outperforms the state-of-the-art methods and demonstrate the explainability of our approach.
• Abstract（参考訳）: 偽ニュースの検出には、単語レベルの微妙な手がかりを考慮し、論理的に情報を組み合わせるような高度な推論スキルを必要とすることが多い。 本稿では,人間の思考の論理過程をよりよく反映し,微妙な手掛かりのモデル化を可能にすることにより,偽ニュース検出のためのきめ細かな推論に目を向ける。 特に,人間情報処理モデルに従い,エビデンスがより重要であることを示す人間知識を組み込むための相互強化型手法を導入し,事前認識のバイチャネル・カーネル・グラフ・ネットワークを設計し,エビデンス間の微妙な差をモデル化する。 広範な実験により,我々のモデルが最先端の手法を上回っており,その説明可能性を示している。

関連論文リスト

• Detecting misinformation through Framing Theory: the Frame Element-based Model [6.4618518529384765]
  私たちは、AIコミュニティの中で探索されていない領域である物語フレームのニュアンスな操作に焦点を当てています。 本稿では,事前学習された大規模言語モデルと深層ニューラルネットワークの力を利用して誤情報を検出する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-19T21:50:42Z)
• Diffusion Model with Cross Attention as an Inductive Bias for Disentanglement [58.9768112704998]
  遠方表現学習は、観測データ内の本質的要因を抽出する試みである。 我々は新しい視点と枠組みを導入し、クロスアテンションを持つ拡散モデルが強力な帰納バイアスとなることを示す。 これは、複雑な設計を必要とせず、クロスアテンションを持つ拡散モデルの強力な解離能力を明らかにする最初の研究である。
  論文  参考訳（メタデータ） (2024-02-15T05:07:54Z)
• No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
  本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。 セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。 実験の結果,提案手法は最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-31T13:33:53Z)
• Exploring Faithful Rationale for Multi-hop Fact Verification via Salience-Aware Graph Learning [13.72453491358488]
  グラフ畳み込みネットワーク(GCN)とサリエンス対応グラフ学習を用いて,マルチホップ事実の検証を行う。 その結果,従来の最先端手法に比べて有理抽出法と事実検証法の両方において有意な利得が得られた。
  論文  参考訳（メタデータ） (2022-12-02T09:54:05Z)
• Logical Satisfiability of Counterfactuals for Faithful Explanations in NLI [60.142926537264714]
  本稿では, 忠実度スルー・カウンタファクトの方法論について紹介する。 これは、説明に表される論理述語に基づいて、反実仮説を生成する。 そして、そのモデルが表現された論理と反ファクトの予測が一致しているかどうかを評価する。
  論文  参考訳（メタデータ） (2022-05-25T03:40:59Z)
• A Multi-Level Attention Model for Evidence-Based Fact Checking [58.95413968110558]
  シーケンス構造をトレーニング可能な,シンプルなモデルを提案する。 Fact extract and VERification のための大規模データセットの結果、我々のモデルはグラフベースのアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-02T05:40:12Z)
• Social Commonsense Reasoning with Multi-Head Knowledge Attention [24.70946979449572]
  社会的コモンセンス推論には、テキストの理解、社会イベントに関する知識、その実践的な意味、およびコモンセンス推論スキルが必要である。 本稿では,半構造化コモンセンス推論規則を符号化し,それをトランスフォーマーベースの推論セルに組み込むことを学習する,新しいマルチヘッド知識アテンションモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-12T10:24:40Z)
• Towards Interpretable Reasoning over Paragraph Effects in Situation [126.65672196760345]
  我々は,原因と効果を理解するためのモデルを必要とする状況において,段落効果を推論する作業に焦点をあてる。 本稿では,ニューラルネットワークモジュールを用いた推論プロセスの各ステップを明示的にモデル化する逐次的手法を提案する。 特に、5つの推論モジュールはエンドツーエンドで設計され、学習され、より解釈可能なモデルにつながる。
  論文  参考訳（メタデータ） (2020-10-03T04:03:52Z)
• Explainable Recommender Systems via Resolving Learning Representations [57.24565012731325]
  説明はユーザー体験を改善し、システムの欠陥を発見するのに役立つ。 本稿では,表現学習プロセスの透明性を向上させることによって,説明可能な新しい推薦モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-21T05:30:48Z)

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。