論文の概要: A Review of Web Infodemic Analysis and Detection Trends across
Multi-modalities using Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2112.00803v1
- Date: Tue, 23 Nov 2021 16:02:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-06 01:02:54.715862
- Title: A Review of Web Infodemic Analysis and Detection Trends across
Multi-modalities using Deep Neural Networks
- Title（参考訳）: ディープニューラルネットワークを用いた web infodemic analysis and detection trends across multi-modality のレビュー
- Authors: Chahat Raj, Priyanka Meel
- Abstract要約: フェイクニュース検出は最も分析され、顕著な研究分野の1つである。
Facebook、Reddit、WhatsApp、YouTube、その他のソーシャルアプリケーションは、この新興分野で徐々に注目を集めている。
このレビューは主に、画像、ビデオ、およびそれらのテキストの組み合わせを含むマルチモーダルフェイクニュース検出技術を扱う。
- 参考スコア（独自算出の注目度）: 3.42658286826597
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fake news and misinformation are a matter of concern for people around the
globe. Users of the internet and social media sites encounter content with
false information much frequently. Fake news detection is one of the most
analyzed and prominent areas of research. These detection techniques apply
popular machine learning and deep learning algorithms. Previous work in this
domain covers fake news detection vastly among text circulating online.
Platforms that have extensively been observed and analyzed include news
websites and Twitter. Facebook, Reddit, WhatsApp, YouTube, and other social
applications are gradually gaining attention in this emerging field.
Researchers are analyzing online data based on multiple modalities composed of
text, image, video, speech, and other contributing factors. The combination of
various modalities has resulted in efficient fake news detection. At present,
there is an abundance of surveys consolidating textual fake news detection
algorithms. This review primarily deals with multi-modal fake news detection
techniques that include images, videos, and their combinations with text. We
provide a comprehensive literature survey of eighty articles presenting
state-of-the-art detection techniques, thereby identifying research gaps and
building a pathway for researchers to further advance this domain.
- Abstract（参考訳）: フェイクニュースと誤報は、世界中の人々にとって懸念事項だ。
インターネットやソーシャルメディアのユーザーは、偽情報のあるコンテンツに頻繁に遭遇する。
フェイクニュース検出は最も分析され、顕著な研究分野の1つである。
これらの検出技術は、一般的な機械学習とディープラーニングアルゴリズムを適用している。
このドメインでの以前の作業は、オンラインを流れるテキストの中で、フェイクニュース検出を非常に多くカバーしている。
広く観察され分析されたプラットフォームには、ニュースサイトやTwitterがある。
Facebook、Reddit、WhatsApp、YouTubeなどのソーシャルアプリケーションは、この新興分野で徐々に注目を集めている。
研究者たちは、テキスト、画像、ビデオ、音声、その他の要因からなる複数のモダリティに基づいて、オンラインデータを分析している。
様々なモダリティの組み合わせは、効率的なフェイクニュースの検出をもたらす。
現在,テキスト偽ニュース検出アルゴリズムを統合した調査が数多く行われている。
このレビューは主に、画像、ビデオ、およびそれらのテキストの組み合わせを含むマルチモーダルフェイクニュース検出技術を扱う。
我々は,最先端検出技術を紹介する80の論文を総合的に調査し,研究ギャップを特定し,研究者がこの領域をさらに前進させるための経路を構築する。
関連論文リスト
- Finding Fake News Websites in the Wild [0.0860395700487494]
誤情報コンテンツの作成・配信に責任があるウェブサイトを識別する新しい手法を提案する。
さまざまな実行モードやコンテキストを調べて,Twitter上でのアプローチを検証する。
論文 参考訳（メタデータ） (2024-07-09T18:00:12Z) - 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) - 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) - Combining Machine Learning with Knowledge Engineering to detect Fake
News in Social Networks-a survey [0.7120858995754653]
ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。
本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-20T07:43:15Z) - 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) - Surveying the Research on Fake News in Social Media: a Tale of Networks
and Language [0.0]
ジャーナリズムとニュース拡散の歴史は、偽造、誤報、プロパガンダ、未確認の噂、不十分な報道、憎悪と分裂を含むメッセージの排除と密接に結びついている。
オンラインソーシャルメディアの爆発的な成長と、ニュースを消費し、創造し、共有する何十億もの個人によって、この古代の問題は再燃している。
これは多くの研究者が、偽の新規拡散の研究、理解、検出、防止のための新しい方法を開発するきっかけとなった。
論文 参考訳（メタデータ） (2021-09-13T14:10:44Z) - 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) - 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) - 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) - A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。
我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
論文 参考訳（メタデータ） (2020-05-11T09:07:46Z) - 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。