論文の概要: Zoom Out and Observe: News Environment Perception for Fake News Detection

• arxiv url: http://arxiv.org/abs/2203.10885v1
• Date: Mon, 21 Mar 2022 11:10:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 18:05:37.329002
• Title: Zoom Out and Observe: News Environment Perception for Fake News Detection
• Title（参考訳）: Zoom Out and Observe: フェイクニュース検出のためのニュース環境認識
• Authors: Qiang Sheng, Juan Cao, Xueyao Zhang, Rundong Li, Danding Wang, Yongchun Zhu
• Abstract要約: 既存のメソッドは、ニュース投稿の言語パターンを観察し、その内容を検証するために"ズームイン"する。 本稿では,ニュース投稿の環境信号を取得するためのNEP(News Environment Perception Framework)を提案する。 新たに構築したデータセットの実験により、NEPは基本的な偽ニュース検知器の性能を効率的に改善できることが示された。
• 参考スコア（独自算出の注目度）: 18.369195554810236
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Fake news detection is crucial for preventing the dissemination of misinformation on social media. To differentiate fake news from real ones, existing methods observe the language patterns of the news post and "zoom in" to verify its content with knowledge sources or check its readers' replies. However, these methods neglect the information in the external news environment where a fake news post is created and disseminated. The news environment represents recent mainstream media opinion and public attention, which is an important inspiration of fake news fabrication because fake news is often designed to ride the wave of popular events and catch public attention with unexpected novel content for greater exposure and spread. To capture the environmental signals of news posts, we "zoom out" to observe the news environment and propose the News Environment Perception Framework (NEP). For each post, we construct its macro and micro news environment from recent mainstream news. Then we design a popularity-oriented and a novelty-oriented module to perceive useful signals and further assist final prediction. Experiments on our newly built datasets show that the NEP can efficiently improve the performance of basic fake news detectors.
• Abstract（参考訳）: 偽ニュースの検出は、ソーシャルメディア上の誤報の拡散を防ぐために不可欠である。 偽ニュースを現実のニュースと区別するために、既存の手法はニュース投稿の言語パターンを観察し、その内容を知識ソースで検証したり、読者の回答をチェックしたりする。 しかし、これらの方法は、偽のニュース記事が作成・拡散される外部のニュース環境における情報を無視する。 ニュース環境は最近の主流メディアの意見や大衆の注目を反映しており、フェイクニュースが大衆イベントの波に乗り、予期せぬ新規コンテンツで大衆の注目を集め、露出と拡散を図っているため、フェイクニュース作成の重要なインスピレーションとなっている。 ニュース投稿の環境信号を捉えるために,ニュース環境を観察するために「ズームアウト」し,ニュース環境知覚フレームワーク(nep)を提案する。 各記事について、最近の主流ニュースからマクロニュースとマイクロニュース環境を構築する。 次に,有用な信号を認識し,最終予測を補助する人気指向モジュールとノベルティ指向モジュールを設計した。 新たに構築したデータセットの実験により、NEPは基本的な偽ニュース検知器の性能を効率的に改善できることが示された。

関連論文リスト

• 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)
• fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
  本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。 本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。 ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
  論文  参考訳（メタデータ） (2023-09-20T04:10:03Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• 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)
• FALSE: Fake News Automatic and Lightweight Solution [0.20999222360659603]
  本稿では,現代のフェイクニュースデータセットの研究と可視化にR符号を用いた。 クラスタリング、分類、相関、およびさまざまなプロットを使用してデータを分析し、提示する。
  論文  参考訳（メタデータ） (2022-08-16T11:53:30Z)
• Annotation-Scheme Reconstruction for "Fake News" and Japanese Fake News Dataset [1.7149364927872013]
  「フェイクニュース」は多岐にわたる複雑な現象である。 本稿では,既存の偽ニュースデータセットの詳細な調査に基づいて,詳細なラベル付けを施した新しいアノテーション手法を提案する。 アノテーションスキームを用いて,日本初の偽ニュースデータセットを構築し,公開する。
  論文  参考訳（メタデータ） (2022-04-06T10:42:39Z)
• Stance Detection with BERT Embeddings for Credibility Analysis of Information on Social Media [1.7616042687330642]
  本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。 本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。 実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
  論文  参考訳（メタデータ） (2021-05-21T10:46:43Z)
• 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)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• Graph Enhanced Representation Learning for News Recommendation [85.3295446374509]
  本稿では,ユーザとニュースの表現学習を強化するニューズレコメンデーション手法を提案する。 本手法では,歴史的ユーザクリック行動から構築した二部グラフのノードとして,ユーザとニュースをみなす。
  論文  参考訳（メタデータ） (2020-03-31T15:27:31Z)

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。