論文の概要: Annotation-Scheme Reconstruction for "Fake News" and Japanese Fake News Dataset

• arxiv url: http://arxiv.org/abs/2204.02718v1
• Date: Wed, 6 Apr 2022 10:42:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-07 15:00:37.630375
• Title: Annotation-Scheme Reconstruction for "Fake News" and Japanese Fake News Dataset
• Title（参考訳）: フェイクニュース」と偽ニュースデータセットのためのアノテーション・スキーム再構成
• Authors: Taichi Murayama, Shohei Hisada, Makoto Uehara, Shoko Wakamiya, Eiji Aramaki
• Abstract要約: 「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。
• 参考スコア（独自算出の注目度）: 1.7149364927872013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news provokes many societal problems; therefore, there has been extensive research on fake news detection tasks to counter it. Many fake news datasets were constructed as resources to facilitate this task. Contemporary research focuses almost exclusively on the factuality aspect of the news. However, this aspect alone is insufficient to explain "fake news," which is a complex phenomenon that involves a wide range of issues. To fully understand the nature of each instance of fake news, it is important to observe it from various perspectives, such as the intention of the false news disseminator, the harmfulness of the news to our society, and the target of the news. We propose a novel annotation scheme with fine-grained labeling based on detailed investigations of existing fake news datasets to capture these various aspects of fake news. Using the annotation scheme, we construct and publish the first Japanese fake news dataset. The annotation scheme is expected to provide an in-depth understanding of fake news. We plan to build datasets for both Japanese and other languages using our scheme. Our Japanese dataset is published at https://hkefka385.github.io/dataset/fakenews-japanese/.
• Abstract（参考訳）: フェイクニュースは多くの社会問題を引き起こし、それに対応する偽ニュース検知タスクについて広範な研究がなされている。 多くの偽ニュースデータセットがこの作業を促進するためにリソースとして構築された。 現代の研究は、ニュースの事実性にのみ焦点をあてている。 しかし、この側面だけでは、幅広い問題を伴う複雑な現象である「フェイクニュース」を説明するには不十分である。 偽ニュースの性質を十分に理解するためには,偽ニュース発信者の意図や社会への有害性,ニュースのターゲットなど,さまざまな観点から観察することが重要である。 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。 アノテーションは偽ニュースの詳細な理解を提供するものと期待されている。 提案手法を用いて,日本語および他言語用のデータセットを構築する計画である。 日本語データセットはhttps://hkefka385.github.io/dataset/fakenews-japanese/で公開されている。

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)
• 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)
• 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)
• 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)
• Dataset of Fake News Detection and Fact Verification: A Survey [0.0]
  フェイクニュースが急速に増加し、社会に大きなダメージを与え、多くのフェイクニュース関連研究が引き起こされる。 これらの研究のリソースは主に、Webデータから取得した公開データセットとして利用可能である。 3つの視点から,フェイクニュース研究に関連する118のデータセットを大規模に調査した。
  論文  参考訳（メタデータ） (2021-11-05T07:22:16Z)
• Is it Fake? News Disinformation Detection on South African News Websites [0.015863809575305417]
  自然言語処理は偽ニュースの検出に広く用いられている。 南アフリカなど、より地域的な文脈では特に問題となる。 本研究では,南アフリカのウェブサイトにおける偽ニュースの検出について調査する。
  論文  参考訳（メタデータ） (2021-08-06T04:54:03Z)
• 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)
• How does Truth Evolve into Fake News? An Empirical Study of Fake News Evolution [55.27685924751459]
  偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。 私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。 進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
  論文  参考訳（メタデータ） (2021-03-10T09:01:34Z)

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。