論文の概要: Development of Fake News Model using Machine Learning through Natural
Language Processing
- arxiv url: http://arxiv.org/abs/2201.07489v1
- Date: Wed, 19 Jan 2022 09:26:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 13:42:19.264788
- Title: Development of Fake News Model using Machine Learning through Natural
Language Processing
- Title(参考訳): 自然言語処理による機械学習を用いた偽ニュースモデルの開発
- Authors: Sajjad Ahmed, Knut Hinkelmann, Flavio Corradini
- Abstract要約: 機械学習アルゴリズムとフェイクニュースの識別に使用しています。
フェイクニュース検出では、単純な分類が完全に正しいわけではない。
機械学習とテキストベースの処理を統合することで、偽ニュースを検出することができる。
- 参考スコア(独自算出の注目度): 0.7120858995754653
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news detection research is still in the early stage as this is a
relatively new phenomenon in the interest raised by society. Machine learning
helps to solve complex problems and to build AI systems nowadays and especially
in those cases where we have tacit knowledge or the knowledge that is not
known. We used machine learning algorithms and for identification of fake news;
we applied three classifiers; Passive Aggressive, Na\"ive Bayes, and Support
Vector Machine. Simple classification is not completely correct in fake news
detection because classification methods are not specialized for fake news.
With the integration of machine learning and text-based processing, we can
detect fake news and build classifiers that can classify the news data. Text
classification mainly focuses on extracting various features of text and after
that incorporating those features into classification. The big challenge in
this area is the lack of an efficient way to differentiate between fake and
non-fake due to the unavailability of corpora. We applied three different
machine learning classifiers on two publicly available datasets. Experimental
analysis based on the existing dataset indicates a very encouraging and
improved performance.
- Abstract(参考訳): フェイクニュース検知の研究はまだ初期段階にあり、これは社会が関心を寄せる比較的新しい現象である。
機械学習は複雑な問題を解決するのに役立ち、近年ではAIシステムの構築に役立ちます。
我々は機械学習アルゴリズムと偽ニュースの識別にPassive Aggressive, Na\"ive Bayes, Support Vector Machineの3つの分類器を適用した。
フェイクニュース検出では、分類方法がフェイクニュースに特化していないため、単純な分類が完全に正しいわけではない。
機械学習とテキストベースの処理の統合により、偽ニュースを検出し、ニュースデータを分類できる分類器を構築することができる。
テキスト分類は主にテキストの様々な特徴の抽出に焦点を合わせ、その後これらの特徴を分類に組み込む。
この分野での大きな課題は、コーパスが利用できないために偽物と偽物とを区別する効率的な方法がないことである。
2つの公開データセットに3つの異なる機械学習分類器を適用した。
既存のデータセットに基づいた実験的分析は、非常に励ましく改善されたパフォーマンスを示している。
関連論文リスト
- Detection of Human and Machine-Authored Fake News in Urdu [2.013675429941823]
ソーシャルメディアは偽ニュースの拡散を増幅した。
従来の偽ニュース検出手法は、言語的手がかりに依存しているため、効果が低くなる。
精度とロバスト性を改善するため,階層的検出手法を提案する。
論文 参考訳(メタデータ) (2024-10-25T12:42:07Z) - 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) - Combination Of Convolution Neural Networks And Deep Neural Networks For
Fake News Detection [0.0]
我々は、フェイクニュースチャレンジのステージ#1データセットを説明し、フェイクニュース検知システムを構築するための競争的試みの概要を説明した。
提案システムは,不一致カテゴリを除くすべてのカテゴリを高精度に検出する。
その結果、このシステムは84.6%の精度を達成し、他の競合研究に基づいて第2位にランク付けされた。
論文 参考訳(メタデータ) (2022-10-15T16:32:51Z) - Fake News Identification using Machine Learning Algorithms Based on
Graph Features [0.0]
本研究の目的は,グラフと機械学習アルゴリズムを用いて偽ニュースを識別するモデルを構築することである。
フェイクニュースを効果的に予測し、フェイクニュースによる潜在的なネガティブな社会的影響を防止し、機械学習モデルのためのグラフ機能選択に関する新たな視点を提供する。
論文 参考訳(メタデータ) (2022-08-22T22:42:57Z) - 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) - Multi-attentional Deepfake Detection [79.80308897734491]
ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。
新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。
具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
論文 参考訳(メタデータ) (2021-03-03T13:56:14Z) - Adversarial Active Learning based Heterogeneous Graph Neural Network for
Fake News Detection [18.847254074201953]
新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。
AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。
2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
論文 参考訳(メタデータ) (2021-01-27T05:05:25Z) - 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)
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。