論文の概要: Fake News Quick Detection on Dynamic Heterogeneous Information Networks

• arxiv url: http://arxiv.org/abs/2205.07039v1
• Date: Sat, 14 May 2022 11:23:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-19 04:25:02.455357
• Title: Fake News Quick Detection on Dynamic Heterogeneous Information Networks
• Title（参考訳）: 動的異種情報ネットワークにおけるフェイクニュースクイック検出
• Authors: Jin Ho Go, Alina Sari, Jiaojiao Jiang, Shuiqiao Yang, Sanjay Jha
• Abstract要約: 偽ニュース検出のための新しい動的不均一グラフニューラルネットワーク(DHGNN)を提案する。 我々はまず、ニュース記事の内容と著者プロファイルのセマンティック表現を得るために、BERTと微調整BERTを実装した。 そして、文脈情報と関係を反映した異質なニュース著者グラフを構築する。
• 参考スコア（独自算出の注目度）: 3.599616699656401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The spread of fake news has caused great harm to society in recent years. So the quick detection of fake news has become an important task. Some current detection methods often model news articles and other related components as a static heterogeneous information network (HIN) and use expensive message-passing algorithms. However, in the real-world, quickly identifying fake news is of great significance and the network may vary over time in terms of dynamic nodes and edges. Therefore, in this paper, we propose a novel Dynamic Heterogeneous Graph Neural Network (DHGNN) for fake news quick detection. More specifically, we first implement BERT and fine-tuned BERT to get a semantic representation of the news article contents and author profiles and convert it into graph data. Then, we construct the heterogeneous news-author graph to reflect contextual information and relationships. Additionally, we adapt ideas from personalized PageRank propagation and dynamic propagation to heterogeneous networks in order to reduce the time complexity of back-propagating through many nodes during training. Experiments on three real-world fake news datasets show that DHGNN can outperform other GNN-based models in terms of both effectiveness and efficiency.
• Abstract（参考訳）: 近年、偽ニュースの拡散が社会に大きな害を与えている。 そのため、フェイクニュースを素早く検出することが重要な課題となっている。 現在の検出方法は、しばしばニュース記事やその他の関連コンポーネントを静的異種情報ネットワーク(HIN)としてモデル化し、高価なメッセージパッシングアルゴリズムを使用する。 しかし、現実世界では、フェイクニュースを素早く識別することが非常に重要であり、ネットワークは動的ノードやエッジの点で時間とともに変化する可能性がある。 そこで本稿では,偽ニュースを迅速に検出するための新しい動的不均一グラフニューラルネットワーク(dhgnn)を提案する。 具体的には、まずBERTと微調整BERTを実装し、ニュース記事の内容と著者プロファイルのセマンティック表現を取得し、それをグラフデータに変換する。 そして、文脈情報と関係を反映した異種ニュース著者グラフを構築する。 さらに,個人化されたPageRankの伝搬と動的伝播のアイデアを異種ネットワークに適用し,トレーニング中の多くのノードをバックプロパゲートする場合の時間的複雑さを低減する。 3つの実世界のフェイクニュースデータセットの実験は、DHGNNが他のGNNベースのモデルよりも効率と効率の両方で優れていることを示している。

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)
• 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)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection [0.0]
  低コスト、ソーシャルプラットフォーム経由のシンプルなアクセシビリティ、低予算のオンラインニュースソースが、偽ニュースの普及に寄与する要因の1つだ。 既存の偽ニュース検出アルゴリズムのほとんどは、ニュースコンテンツのみに焦点を当てている。 エンゲージメントのあるユーザーによる事前投稿やソーシャル活動は、ニュースに対する見解に関する豊富な情報を提供し、フェイクニュースの識別を改善する重要な能力を持っている。
  論文  参考訳（メタデータ） (2022-03-26T18:40:03Z)
• 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)
• Adversarial Active Learning based Heterogeneous Graph Neural Network for Fake News Detection [18.847254074201953]
  新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。 AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。 2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-27T05:05:25Z)
• Graph Neural Networks with Continual Learning for Fake News Detection from Social Media [18.928184473686567]
  ソーシャルメディア上での偽ニュースと実ニュースの伝播パターンを区別するためにグラフニューラルネットワーク(GNN)を用いる。 テキスト情報に頼らずに、GNNがテキスト情報なしで同等または優れたパフォーマンスを達成できることが示される。 本稿では,GNNを漸進的に訓練するための連続学習技術を用いて,既存のデータセットと新しいデータセットの両方でバランスの取れた性能を実現する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-07T10:04:50Z)
• 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)
• Fake News Detection on News-Oriented Heterogeneous Information Networks through Hierarchical Graph Attention [12.250335118888891]
  階層型グラフ注意ネットワーク(HGAT)という,新たなフェイクニュース検出フレームワークを提案する。 HGATは、新しい階層的な注意機構を使用して、HINでノード表現学習を行い、ニュース記事ノードを分類することでフェイクニュースを検出する。 2つの実世界のフェイクニュースデータセットの実験は、HGATがテキストベースのモデルや他のネットワークベースのモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2020-02-05T19:09:13Z)

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。