論文の概要: Testing the Generalization of Neural Language Models for COVID-19 Misinformation Detection

• arxiv url: http://arxiv.org/abs/2111.07819v1
• Date: Mon, 15 Nov 2021 15:01:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-16 14:50:39.588130
• Title: Testing the Generalization of Neural Language Models for COVID-19 Misinformation Detection
• Title（参考訳）: 新型コロナウイルスの誤情報検出のためのニューラルネットワークモデルの一般化試験
• Authors: Jan Philip Wahle and Nischal Ashok and Terry Ruas and Norman Meuschke and Tirthankar Ghosal and Bela Gipp
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックの副産物として、生命を脅かす可能性のある誤報が大幅に増加した。 5つの誤報データセットを用いてトランスフォーマーに基づく15のモデルを評価する。 新型コロナウイルス(COVID-19)データに合わせたトークンやモデルは、汎用データに対して大きな優位性を提供していない。
• 参考スコア（独自算出の注目度）: 6.1204874238049705
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: A drastic rise in potentially life-threatening misinformation has been a by-product of the COVID-19 pandemic. Computational support to identify false information within the massive body of data on the topic is crucial to prevent harm. Researchers proposed many methods for flagging online misinformation related to COVID-19. However, these methods predominantly target specific content types (e.g., news) or platforms (e.g., Twitter). The methods' capabilities to generalize were largely unclear so far. We evaluate fifteen Transformer-based models on five COVID-19 misinformation datasets that include social media posts, news articles, and scientific papers to fill this gap. We show tokenizers and models tailored to COVID-19 data do not provide a significant advantage over general-purpose ones. Our study provides a realistic assessment of models for detecting COVID-19 misinformation. We expect that evaluating a broad spectrum of datasets and models will benefit future research in developing misinformation detection systems.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックの副産物となっている。 このトピックに関する大量のデータ内の偽情報を特定するための計算支援は、害を防ぐために不可欠である。 研究者は、covid-19に関連するオンライン誤情報にフラグを付ける多くの方法を提案した。 しかし、これらの手法は主に特定のコンテンツタイプ(ニュースなど)やプラットフォーム(twitterなど)をターゲットにしている。 これまでの方法の一般化能力はほとんど不明であった。 このギャップを埋めるために,ソーシャルメディア投稿やニュース記事,科学論文などを含む5つの誤情報データセットについて,トランスフォーマティブに基づく15のモデルを評価した。 COVID-19データに合わせたトークンやモデルは、汎用データに対して大きな優位性を提供していない。 本研究は、新型コロナウイルスの誤情報を検出するためのモデルの現実的な評価を提供する。 幅広いデータセットやモデルを評価することは、誤情報検出システムの開発における将来の研究に役立つと期待している。

関連論文リスト

• AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System [0.05461938536945722]
  本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
  論文  参考訳（メタデータ） (2023-10-29T13:07:33Z)
• Two-Stage Classifier for COVID-19 Misinformation Detection Using BERT: a Study on Indonesian Tweets [0.15229257192293202]
  インドネシアでの新型コロナウイルスの誤情報検出に関する研究はいまだに少ない。 本研究では,ツイート誤報検出タスクに対して,IndoBERT事前学習言語モデルを用いた2段階分類モデルを提案する。 実験の結果、関連予測のためのBERTシーケンス分類器と誤情報検出のためのBi-LSTMの組み合わせは、87.02%の精度で他の機械学習モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-06-30T15:33:20Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• COVID-19 Electrocardiograms Classification using CNN Models [1.1172382217477126]
  深層学習アルゴリズムの統合による心電図(ECG)データの利用により、COVID-19を自動的に診断するための新しいアプローチが提案されている。 CNNモデルは、VGG16、VGG19、InceptionResnetv2、InceptionV3、Resnet50、Densenet201を含む提案されたフレームワークで利用されている。 この結果,VGG16モデルと比較すると,他のモデルに比べて比較的精度が低いことがわかった。
  論文  参考訳（メタデータ） (2021-12-15T08:06:45Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
  クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。 本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
  論文  参考訳（メタデータ） (2021-01-07T01:13:00Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging [8.280858576611587]
  新型コロナウイルスの患者を診断する主な問題は、検査キットの不足と信頼性である。 第2の現実の問題は、世界中の病院間でデータを共有することだ。 第3に,ブロックチェーン技術を用いてグローバルモデルを協調的にトレーニングする手法を設計する。
  論文  参考訳（メタデータ） (2020-07-10T11:23:14Z)
• Classification Aware Neural Topic Model and its Application on a New COVID-19 Disinformation Corpus [2.492887522265771]
  新型コロナウイルス(COVID-19)のパンデミックを受けて、偽情報の爆発が世界中のファクトチェックやメディアを過負荷にしている。 そこで我々は,新型コロナウイルスの偽情報を分類する計算手法を開発した。
  論文  参考訳（メタデータ） (2020-06-05T10:32:18Z)
• Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
  我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。 これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
  論文  参考訳（メタデータ） (2020-04-23T17:35:11Z)
• COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
  我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。 著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。 また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
  論文  参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。