論文の概要: Unified Fake News Detection using Transfer Learning of Bidirectional
Encoder Representation from Transformers model
- arxiv url: http://arxiv.org/abs/2202.01907v1
- Date: Thu, 3 Feb 2022 23:23:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-07 15:01:32.901855
- Title: Unified Fake News Detection using Transfer Learning of Bidirectional
Encoder Representation from Transformers model
- Title(参考訳): トランスフォーマーモデルからの双方向エンコーダ表現の転送学習を用いた統一的偽ニュース検出
- Authors: Vijay Srinivas Tida, Dr. Sonya Hsu and Dr. Xiali Hei
- Abstract要約: 本稿では、公開データセットを組み合わせて、フェイクニュースサンプルを効果的に検出し、統一モデルの構築を試みる。
以前のモデルのほとんどは個別のデータセットで個別に設計され、検証された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automatic detection of fake news is needed for the public as the
accessibility of social media platforms has been increasing rapidly. Most of
the prior models were designed and validated on individual datasets separately.
But the lack of generalization in models might lead to poor performance when
deployed in real-world applications since the individual datasets only cover
limited subjects and sequence length over the samples. This paper attempts to
develop a unified model by combining publicly available datasets to detect fake
news samples effectively.
- Abstract(参考訳): ソーシャルメディアプラットフォームのアクセシビリティが急速に向上しているため、公衆には偽ニュースの自動検出が必要である。
以前のモデルのほとんどは個別のデータセットで個別に設計され、検証された。
しかし、モデルにおける一般化の欠如は、個々のデータセットがサンプルよりも限られた対象とシーケンスの長さしかカバーしていないため、現実世界のアプリケーションにデプロイする際のパフォーマンスが低下する可能性がある。
本稿では、公開データセットを組み合わせて、フェイクニュースサンプルを効果的に検出し、統一モデルの構築を試みる。
関連論文リスト
- Dual-View Data Hallucination with Semantic Relation Guidance for
Few-Shot Image Recognition [52.19737194653999]
本稿では、意味的関係を利用して、画像認識のための二重視点データ幻覚を導出するフレームワークを提案する。
インスタンスビューデータ幻覚モジュールは、新規クラスの各サンプルを幻覚して新しいデータを生成する。
プロトタイプビューデータ幻覚モジュールは、意味認識尺度を利用して、新しいクラスのプロトタイプを推定する。
論文 参考訳(メタデータ) (2024-01-13T12:32:29Z) - Dirichlet-based Uncertainty Quantification for Personalized Federated
Learning with Improved Posterior Networks [9.54563359677778]
本稿では,グローバルおよびパーソナライズされたモデルの中からモデルを選択可能なフェデレーション学習への新たなアプローチを提案する。
これは、局所的およびグローバルな分布内および分布外データを検出するのに役立つ予測不確実性の慎重なモデリングによって達成される。
一般的な実世界の画像データセットに対する総合的な実験的評価は、アウト・オブ・ディストリビューション・データの存在下でのモデルの優れた性能を示している。
論文 参考訳(メタデータ) (2023-12-18T14:30:05Z) - Contrastive Transformer Learning with Proximity Data Generation for
Text-Based Person Search [60.626459715780605]
記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。
このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。
本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
論文 参考訳(メタデータ) (2023-11-15T16:26:49Z) - Image change detection with only a few samples [7.5780621370948635]
画像変化検出タスクの最大の障害は、さまざまな場面をカバーする大きな注釈付きデータセットの欠如である。
本稿では,合成データを生成するための単純な画像処理手法を提案する。
次に、対象検出に基づく初期の融合ネットワークを設計し、シアムニューラルネットを上回ります。
論文 参考訳(メタデータ) (2023-11-07T07:01:35Z) - Learning Defect Prediction from Unrealistic Data [57.53586547895278]
事前訓練されたコードのモデルは、コード理解と生成タスクに人気がある。
このようなモデルは大きい傾向があり、訓練データの総量を必要とする。
人工的に注入されたバグのある関数など、はるかに大きくてもより現実的なデータセットを持つモデルをトレーニングすることが一般的になった。
このようなデータで訓練されたモデルは、実際のプログラムでは性能が劣りながら、同様のデータでのみうまく機能する傾向にある。
論文 参考訳(メタデータ) (2023-11-02T01:51:43Z) - Improving Generalization for Multimodal Fake News Detection [8.595270610973586]
最先端のアプローチは通常、小さなサイズのデータセットや特定のトピックの限定セットでトレーニングされる。
本稿では,マルチモーダルフェイクニュース検出のために,最先端のマルチモーダルトランスを採用した3つのモデルを提案する。
論文 参考訳(メタデータ) (2023-05-29T20:32:22Z) - Debiasing Vision-Language Models via Biased Prompts [79.04467131711775]
本稿では,テキスト埋め込みにおけるバイアスのある方向を投影することで,視覚言語基盤モデルを疎外する一般的な手法を提案する。
偏平投影行列を組み込んだテキストのみをデバイアスすることで、ロバストな分類器と公正な生成モデルが得られることを示す。
論文 参考訳(メタデータ) (2023-01-31T20:09:33Z) - Addressing Bias in Face Detectors using Decentralised Data collection
with incentives [0.0]
我々は、このデータ中心のアプローチが、アルゴリズムの効率的なデータ収集を可能にするために、分散的にどのように促進されるかを示す。
FaceNet Embeddingsを用いたMultiTask Cascaded CNNを用いた顔検出および匿名化手法を提案する。
論文 参考訳(メタデータ) (2022-10-28T09:54:40Z) - MiDAS: Multi-integrated Domain Adaptive Supervision for Fake News
Detection [3.210653757360955]
偽ニュース検出のためのマルチドメイン適応手法であるMiDASを提案する。
MiDASは既存のモデルと新しいサンプルの関連性をランク付けしている。
9つの偽ニュースデータセットを用いたドリフトデータへの一般化に関するMIDASの評価を行った。
論文 参考訳(メタデータ) (2022-05-19T19:36:08Z) - Hidden Biases in Unreliable News Detection Datasets [60.71991809782698]
データ収集中の選択バイアスがデータセットの望ましくないアーティファクトにつながることを示す。
クリーンスプリットでテストされたすべてのモデルに対して,列車/テストソースの重なりが無く,精度が大幅に低下した(>10%)。
将来的なデータセット生成には、困難/バイアスプローブとしての単純なモデルと、クリーンな非重複サイトと日付分割を使用する将来のモデル開発が含まれることを提案する。
論文 参考訳(メタデータ) (2021-04-20T17:16:41Z) - One for More: Selecting Generalizable Samples for Generalizable ReID
Model [92.40951770273972]
本稿では,選択したサンプルを損失関数として一般化する1対3の学習目標を提案する。
提案した1対3のサンプルは,ReIDトレーニングフレームワークにシームレスに統合できる。
論文 参考訳(メタデータ) (2020-12-10T06:37:09Z)
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。