論文の概要: A Proposed Bi-LSTM Method to Fake News Detection

• arxiv url: http://arxiv.org/abs/2206.13982v1
• Date: Wed, 15 Jun 2022 06:36:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 01:19:29.308941
• Title: A Proposed Bi-LSTM Method to Fake News Detection
• Title（参考訳）: ニュース検出のためのBi-LSTM法の提案
• Authors: Taminul Islam, MD Alamin Hosen, Akhi Mony, MD Touhid Hasan, Israt Jahan, Arindom Kundu
• Abstract要約: 偽ニュースは、アメリカ合衆国大統領選挙の結果に影響を与える決定的な要因となった。 Bi-LSTMは、ニュースが偽物か偽物かを判定するために適用された。 モデルの作成と実行の後、トレーニングデータによるモデル精度が84%、F1-macroスコアが62.0に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent years have seen an explosion in social media usage, allowing people to connect with others. Since the appearance of platforms such as Facebook and Twitter, such platforms influence how we speak, think, and behave. This problem negatively undermines confidence in content because of the existence of fake news. For instance, false news was a determining factor in influencing the outcome of the U.S. presidential election and other sites. Because this information is so harmful, it is essential to make sure we have the necessary tools to detect and resist it. We applied Bidirectional Long Short-Term Memory (Bi-LSTM) to determine if the news is false or real in order to showcase this study. A number of foreign websites and newspapers were used for data collection. After creating & running the model, the work achieved 84% model accuracy and 62.0 F1-macro scores with training data.
• Abstract（参考訳）: 近年、ソーシャルメディアの利用が爆発的に増加し、人々が他人とつながるようになった。 FacebookやTwitterのようなプラットフォームが登場して以来、このようなプラットフォームは私たちの話し方、考え、行動に影響を与える。 この問題は偽ニュースの存在によってコンテンツに対する信頼を損なう。 例えば、偽ニュースはアメリカ合衆国大統領選挙や他のサイトの結果に影響を与える決定要因だった。 この情報はあまりにも有害であるため、検出し抵抗するために必要なツールを確実に備えておくことが不可欠です。 本研究は,双方向長期短期記憶(bi-lstm)を用いて,ニュースが偽か本物かの判定を行った。 多くの外国のウェブサイトや新聞がデータ収集に使われた。 モデルの作成と実行の後、トレーニングデータによるモデル精度が84%、F1-macroスコアが62.0に達した。

関連論文リスト

• A Semi-supervised Fake News Detection using Sentiment Encoding and LSTM with Self-Attention [0.0]
  本研究では,感情分析を最先端の事前学習モデルによって獲得する半教師付き自己学習手法を提案する。 学習モデルは半教師付き方式で訓練され、LSTMに自己注意層を組み込む。 我々は,2万件のニュースコンテンツをデータセットにベンチマークし,そのフィードバックとともに,フェイクニュース検出における競合手法と比較して精度,リコール,測定性能が向上したことを示す。
  論文  参考訳（メタデータ） (2024-07-27T20:00:10Z)
• 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)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• 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)
• Automated Fake News Detection using cross-checking with reliable sources [0.0]
  我々は、信頼できる情報源で新しい情報をクロスチェックするために、自然な人間の行動を利用する。 われわれはこれをTwitterに実装し、偽ツイートにフラグを付けるモデルを構築している。 このアプローチの実装により、他の一般的な偽ニュース分類モデルを上回る70%の精度が得られます。
  論文  参考訳（メタデータ） (2022-01-01T00:59:58Z)
• 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)
• 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)
• Fake News Spreader Detection on Twitter using Character N-Grams. Notebook for PAN at CLEF 2020 [0.0]
  このノートには、Twitter上の偽ニュース検出タスクのプロファイリングシステムについて書かれている。 我々は多言語の観点から異なる特徴抽出手法と学習実験を行う。 我々のモデルは、英語とスペイン語の公式テストセットで73%と79%の精度を達成しています。
  論文  参考訳（メタデータ） (2020-09-29T08:32:32Z)
• Modeling the spread of fake news on Twitter [2.7910505923792637]
  本稿では,Twitter上での偽ニュース拡散のポイントプロセスモデルを提案する。 提案手法は,偽ニュース項目の拡散の進化を正確に予測する上で,現在の最先端手法よりも優れていることを示す。 提案モデルは,ソーシャルメディア上での偽ニュース拡散のダイナミクスの理解に寄与する。
  論文  参考訳（メタデータ） (2020-07-28T08:28:16Z)

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。