論文の概要: MDFEND: Multi-domain Fake News Detection

• arxiv url: http://arxiv.org/abs/2201.00987v1
• Date: Tue, 4 Jan 2022 05:28:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-05 13:42:42.165460
• Title: MDFEND: Multi-domain Fake News Detection
• Title（参考訳）: mdfend: 多ドメインフェイクニュース検出
• Authors: Qiong Nan, Juan Cao, Yongchun Zhu, Yanyan Wang, Jintao Li
• Abstract要約: 本稿では、ドメインゲートを利用して複数の専門家が抽出した複数の表現を集約し、効果的なマルチドメインフェイクニュース検出モデル(MDFEND)を提案する。 実験の結果,MDFENDはマルチドメインフェイクニュース検出の性能を大幅に向上させることができることがわかった。
• 参考スコア（独自算出の注目度）: 15.767582764441627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news spread widely on social media in various domains, which lead to real-world threats in many aspects like politics, disasters, and finance. Most existing approaches focus on single-domain fake news detection (SFND), which leads to unsatisfying performance when these methods are applied to multi-domain fake news detection. As an emerging field, multi-domain fake news detection (MFND) is increasingly attracting attention. However, data distributions, such as word frequency and propagation patterns, vary from domain to domain, namely domain shift. Facing the challenge of serious domain shift, existing fake news detection techniques perform poorly for multi-domain scenarios. Therefore, it is demanding to design a specialized model for MFND. In this paper, we first design a benchmark of fake news dataset for MFND with domain label annotated, namely Weibo21, which consists of 4,488 fake news and 4,640 real news from 9 different domains. We further propose an effective Multi-domain Fake News Detection Model (MDFEND) by utilizing a domain gate to aggregate multiple representations extracted by a mixture of experts. The experiments show that MDFEND can significantly improve the performance of multi-domain fake news detection. Our dataset and code are available at https://github.com/kennqiang/MDFEND-Weibo21.
• Abstract（参考訳）: フェイクニュースは様々なドメインのソーシャルメディアに広まり、政治、災害、金融など多くの面で現実世界の脅威に繋がった。 既存のほとんどのアプローチは、単一ドメイン偽ニュース検出(SFND)に焦点を当てており、これらの手法がマルチドメイン偽ニュース検出に適用された場合、不満足なパフォーマンスをもたらす。 新興分野として、マルチドメイン偽ニュース検知(MFND)が注目されている。 しかし、単語頻度や伝播パターンといったデータ分布はドメインごとに異なり、ドメインシフトと呼ばれる。 深刻なドメインシフトの課題に直面した既存のフェイクニュース検出技術は、マルチドメインシナリオでは性能が悪い。 そのため、MFNDの専門モデルの設計が求められている。 本稿では,9つのドメインから4,488個の偽ニュースと4,640個の実ニュースからなるドメインラベル付きMFND用偽ニュースデータセットのベンチマークを最初に設計する。 さらに、ドメインゲートを利用して複数の専門家が抽出した複数の表現を集約し、効果的なマルチドメインフェイクニュース検出モデル(MDFEND)を提案する。 実験の結果、mdfendはマルチドメインフェイクニュース検出の性能を大幅に向上できることがわかった。 データセットとコードはhttps://github.com/kennqiang/MDFEND-Weibo21.comから入手可能です。

関連論文リスト

• FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection [54.37159298632628]
  FineFakeは、フェイクニュース検出のためのマルチドメイン知識強化ベンチマークである。 FineFakeは6つのセマンティックトピックと8つのプラットフォームにまたがる16,909のデータサンプルを含んでいる。 FineFakeプロジェクト全体がオープンソースリポジトリとして公開されている。
  論文  参考訳（メタデータ） (2024-03-30T14:39:09Z)
• Robust Domain Misinformation Detection via Multi-modal Feature Alignment [49.89164555394584]
  マルチモーダルな誤情報検出のための頑健なドメインとクロスモーダルなアプローチを提案する。 テキストと視覚の共役分布を整列させることにより、ドメインシフトを低減する。 また,ドメイン一般化のアプリケーションシナリオを同時に検討するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-24T07:06:16Z)
• Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak Signals [19.22829945777267]
  本研究は,4つのモダリティで利用可能な知識をニュースレコードに埋め込んだ,教師なしフェイクニュース検出のための効果的なフレームワークを提案する。 また,既存のニュースデータセットの潜伏バイアスを最小限に抑えたニュースデータセット構築手法を提案する。 LUND-COVIDを使って提案した教師なしフレームワークをトレーニングし、大規模データセットの可能性を活用した。
  論文  参考訳（メタデータ） (2023-05-18T23:49:31Z)
• 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)
• Improving Fake News Detection of Influential Domain via Domain- and Instance-Level Transfer [16.886024206337257]
  フェイクニュース検出(DITFEND)のためのドメインレベルおよびインスタンスレベルの転送フレームワークを提案する。 DITFENDは特定のターゲットドメインの性能を向上させることができる。 オンライン実験は、現実世界のシナリオにおいて、ベースモデルにさらなる改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2022-09-19T10:21:13Z)
• Memory-Guided Multi-View Multi-Domain Fake News Detection [39.035462224569166]
  メモリ誘導型マルチドメインフェイクニュース検出フレームワーク(M$3$FEND)を提案する。 具体的には、潜在的なドメインラベルを発見可能なドメイン情報を強化するためのドメインメモリバンクを提案する。 リッチなドメイン情報を入力として使用することで、ドメインアダプタは、さまざまなドメインのニュースに対する複数のビューから識別情報を適応的に集約することができる。
  論文  参考訳（メタデータ） (2022-06-26T07:09:23Z)
• Domain Adaptive Fake News Detection via Reinforcement Learning [34.95213747705498]
  本稿では、偽ニュースを検出するためのREAL-FNDと呼ばれる新しい強化学習モデルを提案する。 実世界のデータセットの実験では、提案モデルの有効性が示されている。
  論文  参考訳（メタデータ） (2022-02-16T16:05:37Z)
• 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)
• Embracing Domain Differences in Fake News: Cross-domain Fake News Detection using Multi-modal Data [18.66426327152407]
  異なるドメインの偽ニュースを検出するために、ニュースレコードにドメイン固有の知識とクロスドメインの知識を共同で保存する新しいフレームワークを提案する。 提案する偽ニュースモデルと選択的アノテーションアプローチの統合が,クロスドメインニュースデータセットの最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-02-11T23:31:14Z)
• 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)

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。