論文の概要: Are You Misinformed? A Study of Covid-Related Fake News in Bengali on Facebook

• arxiv url: http://arxiv.org/abs/2203.11669v1
• Date: Tue, 22 Mar 2022 12:41:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 20:38:47.259008
• Title: Are You Misinformed? A Study of Covid-Related Fake News in Bengali on Facebook
• Title（参考訳）: 勘違いしてるの? Facebook上のベンガルにおけるコビッド関連フェイクニュースに関する研究
• Authors: Protik Bose Pranto, Syed Zami-Ul-Haque Navid, Protik Dey, Gias Uddin, Anindya Iqbal
• Abstract要約: ベンガルのフェイクニュースを自動的にFacebook上で検出する機械学習モデルを開発した。 最高のパフォーマンスモデルはBERTで、F1スコアは0.97である。 新型コロナウイルス(COVID-19)のベンガルのフェイクニュースでは、10のトピックが3つのカテゴリに分類されている。
• 参考スコア（独自算出の注目度）: 1.6332728502735252
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our opinions and views of life can be shaped by how we perceive the opinions of others on social media like Facebook. This dependence has increased during COVID-19 periods when we have fewer means to connect with others. However, fake news related to COVID-19 has become a significant problem on Facebook. Bengali is the seventh most spoken language worldwide, yet we are aware of no previous research that studied the prevalence of COVID-19 related fake news in Bengali on Facebook. In this paper, we develop machine learning models to detect fake news in Bengali automatically. The best performing model is BERT, with an F1-score of 0.97. We apply BERT on all Facebook Bengali posts related to COVID-19. We find 10 topics in the COVID-19 Bengali fake news grouped into three categories: System (e.g., medical system), belief (e.g., religious rituals), and social (e.g., scientific awareness).
• Abstract（参考訳）: 私たちの意見や生活観は、Facebookのようなソーシャルメディア上で他人の意見をどう知覚するかによって形作ることができる。 この依存度は、他の人と接続する手段が少ない新型コロナウイルスの期間に増加する。 しかし、新型コロナウイルス関連の偽ニュースはFacebookにとって重大な問題となっている。 ベンガル語は世界で7番目に多く話されている言語だが、facebook上のベンガル語で新型コロナウイルスに関連した偽ニュースの流行を研究する研究は、これまでにない。 本稿では,ベンガルの偽ニュースを自動的に検出する機械学習モデルを開発した。 最高のパフォーマンスモデルは bert で、f1-score は 0.97 である。 新型コロナウイルスに関連するすべてのFacebook Bengali投稿にBERTを適用する。 新型コロナウイルス(covid-19)のベンガルの偽ニュースは、システム(医療システムなど)、信念(宗教儀式など)、社会(科学的認識など)の3つのカテゴリに分類される。

関連論文リスト

• Blessing or curse? A survey on the Impact of Generative AI on Fake News [44.99833362998488]
  現在、高品質で個別にターゲットとするフェイクニュースのマス作成を自動化することが可能である。 この調査は、2024年のフェイクニュースの検出と作成のためのジェネレーティブAIの研究と実用化に関する総合的な調査を提供する。
  論文  参考訳（メタデータ） (2024-04-03T19:14:45Z)
• Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
  パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。 読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。 ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
  論文  参考訳（メタデータ） (2023-05-25T13:42:08Z)
• Hate Speech and Offensive Language Detection in Bengali [5.765076125746209]
  我々は、5Kの実際のツイートと5Kのロマンティックなベンガルツイートからなる10Kのベンガルポストの注釈付きデータセットを開発する。 このような憎しみのあるポストの分類のためのベースラインモデルをいくつか実装する。 また、分類性能を高めるための言語間移動機構についても検討する。
  論文  参考訳（メタデータ） (2022-10-07T12:06:04Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
  低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。 そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。 実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-13T04:44:02Z)
• 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)
• Cross-SEAN: A Cross-Stitch Semi-Supervised Neural Attention Model for COVID-19 Fake News Detection [14.771202995527315]
  新型コロナウイルス関連の偽ニュースは事実よりも急速に広まっている。 偽ツイートと偽ツイートをラベル付けした最初のcovid-19twitterフェイクニュースデータセットであるctfを紹介します。 また、クロスステッチに基づくセミスーパーバイザーエンドツーエンドの神経注意モデルCross-SEANを提案する。
  論文  参考訳（メタデータ） (2021-02-17T18:30:43Z)
• Hostility Detection and Covid-19 Fake News Detection in Social Media [1.3499391168620467]
  我々は,Hindi BERTとHindi FastTextモデルを用いて,乱用言語検出と特徴抽出を併用したモデルを構築した。 また、英語のツイートでCovid-19に関連する偽ニュースを識別するためのモデルを構築しています。
  論文  参考訳（メタデータ） (2021-01-15T03:24:36Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• No Rumours Please! A Multi-Indic-Lingual Approach for COVID Fake-Tweet Detection [4.411285005377513]
  我々は、英語以外の複数のインデックス言語に対して、ツイートなどのソーシャルメディアから、早期に新型コロナウイルスに関する偽ニュースを検出するアプローチを提案する。 複数のIndic言語へのアプローチを拡大するために、ヒンディー語とベンガル語で生成されたデータセットを微調整したmBERTベースのモデルを使います。 我々の手法は89%の偽ツイート検出でFスコアに達し、その結果がSOTA(State-of-the-art)の結果に取って代わる。
  論文  参考訳（メタデータ） (2020-10-14T09:37:51Z)

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。