論文の概要: Automated Evidence Collection for Fake News Detection
- arxiv url: http://arxiv.org/abs/2112.06507v1
- Date: Mon, 13 Dec 2021 09:38:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 01:18:23.079671
- Title: Automated Evidence Collection for Fake News Detection
- Title(参考訳): 偽ニュース検出のための自動証拠収集
- Authors: Mrinal Rawat, Diptesh Kanojia
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 11.324403127916877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news, misinformation, and unverifiable facts on social media platforms
propagate disharmony and affect society, especially when dealing with an
epidemic like COVID-19. The task of Fake News Detection aims to tackle the
effects of such misinformation by classifying news items as fake or real. In
this paper, we propose a novel approach that improves over the current
automatic fake news detection approaches by automatically gathering evidence
for each claim. Our approach extracts supporting evidence from the web articles
and then selects appropriate text to be treated as evidence sets. We use a
pre-trained summarizer on these evidence sets and then use the extracted
summary as supporting evidence to aid the classification task. Our experiments,
using both machine learning and deep learning-based methods, help perform an
extensive evaluation of our approach. The results show that our approach
outperforms the state-of-the-art methods in fake news detection to achieve an
F1-score of 99.25 over the dataset provided for the CONSTRAINT-2021 Shared
Task. We also release the augmented dataset, our code and models for any
further research.
- Abstract(参考訳): ソーシャルメディアプラットフォーム上の偽ニュース、誤った情報、検証不能な事実は、特に新型コロナウイルスのような伝染病を扱う場合に、社会に不調和と影響をもたらす。
フェイクニュース検出の課題は、ニュースアイテムを偽物や本物と分類することで、そのような誤報の影響に対処することである。
本稿では,各クレームの証拠を自動的に収集することで,現在の偽ニュース検出手法を改善する新しい手法を提案する。
提案手法は,web 記事から証拠を抽出し,証拠集合として扱うための適切なテキストを選択する。
これらのエビデンスセットに事前学習した要約器を使用し、抽出した要約を証拠として用いて分類作業を支援する。
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。
提案手法は,CONSTRAINT-2021共有タスクのデータセットに対して99.25のF1スコアを達成するために,フェイクニュース検出における最先端手法よりも優れていることを示す。
さらなる研究のために、拡張データセット、コード、モデルもリリースしています。
関連論文リスト
- Search, Examine and Early-Termination: Fake News Detection with Annotation-Free Evidences [32.11238363508177]
我々は,Web 検索したアノテーションのない証拠から有用な情報を検索する textbfSEE という手法を提案する。
実験の結果,提案手法は最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2024-07-10T07:22:30Z) - 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) - 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) - Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。
また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。
我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
論文 参考訳(メタデータ) (2023-03-14T16:11:47Z) - 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) - A Heuristic-driven Uncertainty based Ensemble Framework for Fake News
Detection in Tweets and News Articles [5.979726271522835]
ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。
我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。
提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
論文 参考訳(メタデータ) (2021-04-05T06:35:30Z) - Supporting verification of news articles with automated search for
semantically similar articles [0.0]
偽ニュースを扱うための証拠検索手法を提案する。
学習課題は教師なし機械学習問題として定式化される。
われわれのアプローチは、コンセプトドリフトとは無関係である。
機械学習タスクはテキスト内の仮説とは独立している。
論文 参考訳(メタデータ) (2021-03-29T12:56:59Z) - Connecting the Dots Between Fact Verification and Fake News Detection [21.564628184287173]
本稿では,事実検証と偽ニュース検出の点を結合する,シンプルで効果的な手法を提案する。
提案手法は,最近の事実検証モデルの成功を活用し,ゼロショットフェイクニュースの検出を可能にする。
論文 参考訳(メタデータ) (2020-10-11T09:28:52Z) - 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。