論文の概要: Memory-Guided Multi-View Multi-Domain Fake News Detection
- arxiv url: http://arxiv.org/abs/2206.12808v1
- Date: Sun, 26 Jun 2022 07:09:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 12:22:14.242096
- Title: Memory-Guided Multi-View Multi-Domain Fake News Detection
- Title(参考訳): メモリガイドによるマルチビューマルチドメインフェイクニュース検出
- Authors: Yongchun Zhu, Qiang Sheng, Juan Cao, Qiong Nan, Kai Shu, Minghui Wu,
Jindong Wang, and Fuzhen Zhuang
- Abstract要約: メモリ誘導型マルチドメインフェイクニュース検出フレームワーク(M$3$FEND)を提案する。
具体的には、潜在的なドメインラベルを発見可能なドメイン情報を強化するためのドメインメモリバンクを提案する。
リッチなドメイン情報を入力として使用することで、ドメインアダプタは、さまざまなドメインのニュースに対する複数のビューから識別情報を適応的に集約することができる。
- 参考スコア(独自算出の注目度): 39.035462224569166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The wide spread of fake news is increasingly threatening both individuals and
society. Great efforts have been made for automatic fake news detection on a
single domain (e.g., politics). However, correlations exist commonly across
multiple news domains, and thus it is promising to simultaneously detect fake
news of multiple domains. Based on our analysis, we pose two challenges in
multi-domain fake news detection: 1) domain shift, caused by the discrepancy
among domains in terms of words, emotions, styles, etc. 2) domain labeling
incompleteness, stemming from the real-world categorization that only outputs
one single domain label, regardless of topic diversity of a news piece. In this
paper, we propose a Memory-guided Multi-view Multi-domain Fake News Detection
Framework (M$^3$FEND) to address these two challenges. We model news pieces
from a multi-view perspective, including semantics, emotion, and style.
Specifically, we propose a Domain Memory Bank to enrich domain information
which could discover potential domain labels based on seen news pieces and
model domain characteristics. Then, with enriched domain information as input,
a Domain Adapter could adaptively aggregate discriminative information from
multiple views for news in various domains. Extensive offline experiments on
English and Chinese datasets demonstrate the effectiveness of M$^3$FEND, and
online tests verify its superiority in practice. Our code is available at
https://github.com/ICTMCG/M3FEND.
- Abstract(参考訳): フェイクニュースの拡散は、個人と社会の両方を脅かしている。
一つのドメイン(例えば政治)で自動的に偽ニュースを検出するための大きな努力がなされている。
しかし、相関関係は複数のニュースドメインに共通して存在し、複数のドメインのフェイクニュースを同時に検出することが期待できる。
分析の結果,マルチドメインフェイクニュース検出には2つの課題があることがわかった。
1) ドメインシフトは、単語、感情、スタイル等におけるドメイン間の相違に起因する。
2) ドメインラベルの不完全性は,ニュースの話題の多様性に関わらず,一つのドメインラベルのみを出力する現実世界の分類から生じる。
本稿では,この2つの課題に対処するために,メモリ誘導型マルチビュー・フェイクニュース検出フレームワーク(m$^3$fend)を提案する。
我々は、セマンティクス、感情、スタイルを含む、多視点の観点からニュースをモデル化する。
具体的には,ニュース記事やモデルドメイン特性に基づいて潜在的なドメインラベルを発見できるドメイン情報を強化するドメインメモリバンクを提案する。
そして、リッチなドメイン情報を入力として、ドメインアダプタは、様々なドメインのニュースに対する複数のビューから識別情報を適応的に集約することができる。
英語と中国語のデータセットに対する大規模なオフライン実験は、M$^3$FENDの有効性を示し、オンラインテストは実際にその優位性を検証する。
私たちのコードはhttps://github.com/ictmcg/m3fendで利用可能です。
関連論文リスト
- Learning Domain-Invariant Features for Out-of-Context News Detection [19.335065976085982]
アウト・オブ・コンテクストのニュースは、オンラインメディアプラットフォームでよく見られる誤報である。
本研究では,ドメイン適応型文脈外ニュース検出に焦点をあてる。
ドメイン不変の特徴を学習するために,コントラスト学習と最大平均誤差(MMD)を適用したConDA-TTAを提案する。
論文 参考訳(メタデータ) (2024-06-11T16:34:02Z) - FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection [54.37159298632628]
FineFakeは、フェイクニュース検出のためのマルチドメイン知識強化ベンチマークである。
FineFakeは6つのセマンティックトピックと8つのプラットフォームにまたがる16,909のデータサンプルを含んでいる。
FineFakeプロジェクト全体がオープンソースリポジトリとして公開されている。
論文 参考訳(メタデータ) (2024-03-30T14:39:09Z) - DPOD: Domain-Specific Prompt Tuning for Multimodal Fake News Detection [15.599951180606947]
文脈外画像を用いたフェイクニュースが広まり、情報過負荷の時代における問題となっている。
ドメイン外データが、所望のドメインのコンテキスト外誤情報検出を改善するのに役立つかどうかを検討する。
DPOD (Domain-specific Prompt-tuning using Out-of-Domain data) と呼ばれる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-27T08:49:26Z) - Robust Domain Misinformation Detection via Multi-modal Feature Alignment [49.89164555394584]
マルチモーダルな誤情報検出のための頑健なドメインとクロスモーダルなアプローチを提案する。
テキストと視覚の共役分布を整列させることにより、ドメインシフトを低減する。
また,ドメイン一般化のアプリケーションシナリオを同時に検討するフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-24T07:06:16Z) - 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) - Improving Fake News Detection of Influential Domain via Domain- and
Instance-Level Transfer [16.886024206337257]
フェイクニュース検出(DITFEND)のためのドメインレベルおよびインスタンスレベルの転送フレームワークを提案する。
DITFENDは特定のターゲットドメインの性能を向上させることができる。
オンライン実験は、現実世界のシナリオにおいて、ベースモデルにさらなる改善をもたらすことを示している。
論文 参考訳(メタデータ) (2022-09-19T10:21:13Z) - MDFEND: Multi-domain Fake News Detection [15.767582764441627]
本稿では、ドメインゲートを利用して複数の専門家が抽出した複数の表現を集約し、効果的なマルチドメインフェイクニュース検出モデル(MDFEND)を提案する。
実験の結果,MDFENDはマルチドメインフェイクニュース検出の性能を大幅に向上させることができることがわかった。
論文 参考訳(メタデータ) (2022-01-04T05:28:25Z) - Embracing Domain Differences in Fake News: Cross-domain Fake News
Detection using Multi-modal Data [18.66426327152407]
異なるドメインの偽ニュースを検出するために、ニュースレコードにドメイン固有の知識とクロスドメインの知識を共同で保存する新しいフレームワークを提案する。
提案する偽ニュースモデルと選択的アノテーションアプローチの統合が,クロスドメインニュースデータセットの最先端性能を実現することを示す。
論文 参考訳(メタデータ) (2021-02-11T23:31:14Z) - Domain2Vec: Domain Embedding for Unsupervised Domain Adaptation [56.94873619509414]
従来の教師なしドメイン適応は、限られた数のドメイン間の知識伝達を研究する。
本稿では,特徴不整合とグラム行列の連成学習に基づいて,視覚領域のベクトル表現を提供する新しいDomain2Vecモデルを提案する。
我々の埋め込みは、異なるドメイン間の視覚的関係に関する直感と一致するドメイン類似性を予測できることを示した。
論文 参考訳(メタデータ) (2020-07-17T22:05:09Z) - A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。
我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
論文 参考訳(メタデータ) (2020-05-11T09:07:46Z)
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。