論文の概要: A Weakly-Supervised Iterative Graph-Based Approach to Retrieve COVID-19
Misinformation Topics
- arxiv url: http://arxiv.org/abs/2205.09416v1
- Date: Thu, 19 May 2022 09:30:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-20 14:44:20.255646
- Title: A Weakly-Supervised Iterative Graph-Based Approach to Retrieve COVID-19
Misinformation Topics
- Title(参考訳): 新型コロナウイルスの誤情報を検索するためのグラフに基づくアプローチ
- Authors: Harry Wang and Sharath Chandra Guntuku
- Abstract要約: 誤情報に関連するキーワード,トピック,テーマを検出するために,弱い教師付き反復グラフに基づくアプローチを導入する。
本手法は,いくつかのシードテキストにおいて,一般的な誤情報関連シードワードから特定のトピックを検出できる。
- 参考スコア(独自算出の注目度): 2.1471398891979647
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The COVID-19 pandemic has been accompanied by an `infodemic' -- of accurate
and inaccurate health information across social media. Detecting misinformation
amidst dynamically changing information landscape is challenging; identifying
relevant keywords and posts is arduous due to the large amount of human effort
required to inspect the content and sources of posts. We aim to reduce the
resource cost of this process by introducing a weakly-supervised iterative
graph-based approach to detect keywords, topics, and themes related to
misinformation, with a focus on COVID-19. Our approach can successfully detect
specific topics from general misinformation-related seed words in a few seed
texts. Our approach utilizes the BERT-based Word Graph Search (BWGS) algorithm
that builds on context-based neural network embeddings for retrieving
misinformation-related posts. We utilize Latent Dirichlet Allocation (LDA)
topic modeling for obtaining misinformation-related themes from the texts
returned by BWGS. Furthermore, we propose the BERT-based Multi-directional Word
Graph Search (BMDWGS) algorithm that utilizes greater starting context
information for misinformation extraction. In addition to a qualitative
analysis of our approach, our quantitative analyses show that BWGS and BMDWGS
are effective in extracting misinformation-related content compared to common
baselines in low data resource settings. Extracting such content is useful for
uncovering prevalent misconceptions and concerns and for facilitating precision
public health messaging campaigns to improve health behaviors.
- Abstract(参考訳): 新型コロナウイルス(COVID-19)のパンデミックは、ソーシャルメディア全体で正確で不正確な健康情報を収集する「インフォデミック」が伴っている。
動的に変化する情報ランドスケープの中で誤情報を検出することは困難であり、関連するキーワードや投稿を特定することは、投稿の内容や情報源を調べるのに必要な大量の人的労力のために困難である。
我々は,キーワードや話題,誤情報に関連するテーマを検出するために,弱教師付き反復グラフベースのアプローチを導入することで,このプロセスの資源コストを低減し,COVID-19に焦点を当てることを目的としている。
本手法は,いくつかのシードテキストにおいて,一般的な誤情報関連シードワードから特定のトピックを検出できる。
提案手法では,コンテキストベースニューラルネットワークの埋め込みに基づくBERTベースのWord Graph Search(BWGS)アルゴリズムを用いて,誤情報関連投稿の検索を行う。
我々は,BWGSが返送したテキストから誤情報関連テーマを取得するために,LDA(Latent Dirichlet Allocation)トピックモデリングを利用する。
さらに,BERTに基づく多方向単語グラフ検索(BMDWGS)アルゴリズムを提案する。
本手法の質的解析に加えて,BWGSとBMDWGSは,低データリソース設定における共通ベースラインと比較して誤情報関連コンテンツを抽出するのに有効であることを示す。
このようなコンテンツの抽出は、一般的な誤解や懸念を明らかにし、健康行動を改善するための正確な公衆衛生メッセージキャンペーンを促進するのに有用である。
関連論文リスト
- Graph-Based Retriever Captures the Long Tail of Biomedical Knowledge [2.2814097119704058]
大規模言語モデル(LLM)は、膨大な知識を要約して提示することで、情報の検索方法を変えつつある。
LLMはトレーニングセットから最も頻繁に見られる情報を強調し、まれな情報を無視する傾向があります。
本稿では,これらのクラスタをダウンサンプリングし,情報過負荷問題を緩和するために知識グラフを活用する新しい情報検索手法を提案する。
論文 参考訳(メタデータ) (2024-02-19T18:31:11Z) - Capturing Pertinent Symbolic Features for Enhanced Content-Based
Misinformation Detection [0.0]
誤解を招く内容の検出は、言語的・ドメイン的多様性の極端さから、大きなハードルとなる。
本稿では,この現象を特徴付ける言語特性と,最も一般的な誤情報データセットの表現方法について分析する。
ニューラルネットワークモデルと組み合わせた関連する記号的知識の適切な利用は、誤解を招くコンテンツを検出するのに有効であることを示す。
論文 参考訳(メタデータ) (2024-01-29T16:42:34Z) - DEMASQ: Unmasking the ChatGPT Wordsmith [63.8746084667206]
そこで本研究では,ChatGPT生成内容を正確に識別する効果的なChatGPT検出器DEMASQを提案する。
提案手法は, 人為的, 機械的, 人為的, 人為的, 機械的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人
論文 参考訳(メタデータ) (2023-11-08T21:13:05Z) - Does Synthetic Data Generation of LLMs Help Clinical Text Mining? [51.205078179427645]
臨床テキストマイニングにおけるOpenAIのChatGPTの可能性を検討する。
本稿では,高品質な合成データを大量に生成する新たな学習パラダイムを提案する。
提案手法により,下流タスクの性能が大幅に向上した。
論文 参考訳(メタデータ) (2023-03-08T03:56:31Z) - Theme-driven Keyphrase Extraction to Analyze Social Media Discourse [3.2365983191405103]
本稿では,ソーシャルメディアに適したテーマ駆動キーフレーズ抽出フレームワークを提案する。
テーマ駆動キーフレーズ抽出のための新しいデータ収集とキュレーションフレームワークを開発した。
MOUD-KeyphraseはRedditコミュニティから人間に注釈を付けたキーフレーズからなる最初のデータセットです。
論文 参考訳(メタデータ) (2023-01-27T03:00:46Z) - Contextual information integration for stance detection via
cross-attention [59.662413798388485]
スタンス検出は、著者の目標に対する姿勢を特定することを扱う。
既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。
文脈情報をテキストとして統合する手法を提案する。
論文 参考訳(メタデータ) (2022-11-03T15:04:29Z) - Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。
GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
論文 参考訳(メタデータ) (2022-02-23T09:05:28Z) - Text Mining to Identify and Extract Novel Disease Treatments From
Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。
次に、テキストを体系的に前処理するためのパイプラインを構築します。
我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文 参考訳(メタデータ) (2020-10-22T19:52:49Z) - ReSCo-CC: Unsupervised Identification of Key Disinformation Sentences [3.7405995078130148]
本稿では,信頼できない文書に含まれる重要な偽情報を含む文を識別する新規な教師なしタスクを提案する。
そこで我々は,まず,タスク用に設計された特徴空間内に文を埋め込むことから始まる,3段階の統計的NLPソリューションを設計する。
本手法は, コア情報の同定を効果的に行うことができることを示す。
論文 参考訳(メタデータ) (2020-10-21T08:53:36Z) - Visual Exploration and Knowledge Discovery from Biomedical Dark Data [0.0]
我々は、バイオメディカルダークデータから知識を発見するために、自然言語処理ベースのパイプラインを使用している。
我々は、膨大な量の情報を解析する問題を克服する潜在的な解決策を得ることを目的としている。
論文 参考訳(メタデータ) (2020-09-28T04:27:05Z) - ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。
我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。
本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文 参考訳(メタデータ) (2020-04-30T14:16:19Z)
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。