Fugu-MT 論文翻訳(概要): DISCO: Comprehensive and Explainable Disinformation Detection

論文の概要: DISCO: Comprehensive and Explainable Disinformation Detection

arxiv url: http://arxiv.org/abs/2203.04928v1
Date: Wed, 9 Mar 2022 18:17:25 GMT
ステータス: 処理完了
システム内更新日: 2022-03-10 17:01:42.477951
Title: DISCO: Comprehensive and Explainable Disinformation Detection
Title（参考訳）: DISCO: 包括的で説明可能な偽情報検出
Authors: Dongqi Fu, Yikun Ban, Hanghang Tong, Ross Maciejewski, Jingrui He
Abstract要約: 我々はdisCOと呼ばれる包括的で説明可能な偽情報検出フレームワークを提案する。実世界のフェイクニュース検出タスクにおいて,disCOを満足な検出精度と説明力で実演する。当社のデモは、識別性、理解性、説明可能性の限界に対処するための道を開くことを期待しています。
参考スコア（独自算出の注目度）: 71.5283511752544
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Disinformation refers to false information deliberately spread to influence the general public, and the negative impact of disinformation on society can be observed for numerous issues, such as political agendas and manipulating financial markets. In this paper, we identify prevalent challenges and advances related to automated disinformation detection from multiple aspects, and propose a comprehensive and explainable disinformation detection framework called DISCO. It leverages the heterogeneity of disinformation and addresses the prediction opaqueness. Then we provide a demonstration of DISCO on a real-world fake news detection task with satisfactory detection accuracy and explanation. The demo video and source code of DISCO is now publicly available. We expect that our demo could pave the way for addressing the limitations of identification, comprehension, and explainability as a whole.
Abstract（参考訳）: 偽情報を故意に広めて一般大衆に影響を及ぼし、政治的議題や金融市場の操作など、社会に対する偽情報の否定的な影響を指摘できる。本稿では,複数の側面からの自動偽情報検出に係わる課題と進歩を特定し,DisCOと呼ばれる包括的かつ説明可能な偽情報検出フレームワークを提案する。誤情報の多様性を利用し、予測の不透明性に対処する。次に,実世界の偽ニュース検出タスクにおけるディスコの検出精度と説明の満足度を示す。 DISCOのデモビデオとソースコードが公開されている。当社のデモは、識別、理解、説明可能性全体の制限に対処するための道を開くことを期待しています。

関連論文リスト

Misinformation Concierge: A Proof-of-Concept with Curated Twitter Dataset on COVID-19 Vaccination [0.05461938536945722]
ソーシャルメディアで普及している誤情報に関する実用的な情報を提供する概念実証である誤情報コンシェルジュを実証する。言語処理と機械学習ツールを使用して、談話のサブトピックを特定し、誤解のないポストを識別する。政策立案者が適切な誤報の全体像をタイムリーに理解するための統計レポートを提示する。
論文参考訳（メタデータ） (2023-08-25T10:06:05Z)
Using the profile of publishers to predict barriers across news articles [0.685316573653194]
本稿では,各バリアに関連するウィキペディア概念とメタデータを利用して,ニュース拡散におけるバリア検出手法を提案する。当社のアプローチは,情報拡散障壁を予測するシステムの開発を今後進める上で,有用な洞察を提供するのに役立つと信じている。
論文参考訳（メタデータ） (2023-01-13T13:32:42Z)
A Modality-level Explainable Framework for Misinformation Checking in Social Networks [2.4028383570062606]
本稿では,マルチモーダルの観点から,ソーシャルネットワークにおける誤情報の自動チェックについて述べる。我々のフレームワークは、モダリティ指向の説明可能な推論を生成するための説明可能な方法によって補助される誤情報分類器で構成されている。
論文参考訳（メタデータ） (2022-12-08T13:57:06Z)
Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
論文参考訳（メタデータ） (2021-10-15T01:55:18Z)
Defending Democracy: Using Deep Learning to Identify and Prevent Misinformation [0.0]
本研究では、公開Twitterデータを用いて、ソーシャルメディア上での誤情報拡散の分類と可視化を行う。この研究は、偽情報検出のためのスケーラブルなモデルを提供するためのBERTの適合性をさらに示す。
論文参考訳（メタデータ） (2021-06-03T16:34:54Z)
SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
論文参考訳（メタデータ） (2021-05-22T09:26:13Z)
Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。 ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文参考訳（メタデータ） (2021-01-19T16:13:44Z)
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)
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)
Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは爆発的な成長によりグローバルな現象になっています偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文参考訳（メタデータ） (2020-01-02T21:01:02Z)

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。