論文の概要: Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach

• arxiv url: http://arxiv.org/abs/2207.13500v1
• Date: Wed, 27 Jul 2022 12:58:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-28 13:54:00.808346
• Title: Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach
• Title（参考訳）: フェイクニュース検出のためのソーシャルコンテキストモデリング - グラフニューラルネットワークによるアプローチ
• Authors: Pallabi Saikia, Kshitij Gundale, Ankit Jain, Dev Jadeja, Harvi Patel and Mohendra Roy
• Abstract要約: フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
• 参考スコア（独自算出の注目度）: 0.39146761527401425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detection of fake news is crucial to ensure the authenticity of information and maintain the news ecosystems reliability. Recently, there has been an increase in fake news content due to the recent proliferation of social media and fake content generation techniques such as Deep Fake. The majority of the existing modalities of fake news detection focus on content based approaches. However, most of these techniques fail to deal with ultra realistic synthesized media produced by generative models. Our recent studies find that the propagation characteristics of authentic and fake news are distinguishable, irrespective of their modalities. In this regard, we have investigated the auxiliary information based on social context to detect fake news. This paper has analyzed the social context of fake news detection with a hybrid graph neural network based approach. This hybrid model is based on integrating a graph neural network on the propagation of news and bi directional encoder representations from the transformers model on news content to learn the text features. Thus this proposed approach learns the content as well as the context features and hence able to outperform the baseline models with an f1 score of 0.91 on PolitiFact and 0.93 on the Gossipcop dataset, respectively
• Abstract（参考訳）: フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 近年,ソーシャルメディアの普及やディープフェイクなどのフェイクコンテンツ生成技術により,フェイクニュースコンテンツが増加している。 フェイクニュース検出の既存のモダリティの大部分は、コンテンツベースのアプローチに重点を置いている。 しかし、これらの技術のほとんどは、生成モデルによって生成された超現実的な合成メディアには対処できない。 近年の研究では,モーダル性に関わらず,真偽ニュースの伝搬特性が識別可能であることが判明した。 そこで本稿では,偽ニュースを検出する社会的文脈に基づく補助情報について検討した。 本稿では,偽ニュース検出の社会的文脈をハイブリッドグラフニューラルネットワークを用いて分析した。 このハイブリッドモデルは、ニュースコンテンツ上のトランスフォーマーモデルからニュースと双方向エンコーダ表現の伝搬にグラフニューラルネットワークを統合することにより、テキストの特徴を学習する。 したがって,提案手法では,コンテンツと文脈の特徴を学習し,f1スコアをポリティファクト0.91,ゴシップコップデータセット0.93でベースラインモデルを上回ることができる。

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)
• No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
  本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。 セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。 実験の結果,提案手法は最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-31T13:33:53Z)
• 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)
• Fake News Detection with Heterogeneous Transformer [13.804363799338613]
  本稿では,ソーシャルネットワーク上での偽ニュース検出問題を解決するために,新しいトランスフォーマーモデルHetTransformerを提案する。 まず、ソーシャルネットワークにおけるニュース、ポスト、ユーザーエンティティの局所的な異種意味を捉えます。 次に,トランスフォーマーを用いて,ソーシャルネットワークにおける伝播パターンのグローバルな構造表現を捉え,フェイクニュース検出を行う。
  論文  参考訳（メタデータ） (2022-05-06T09:31:23Z)
• 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)
• 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)
• Multimodal Fusion with BERT and Attention Mechanism for Fake News Detection [0.0]
  テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。 実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
  論文  参考訳（メタデータ） (2021-04-23T08:47:54Z)
• A Heuristic-driven Uncertainty based Ensemble Framework for Fake News Detection in Tweets and News Articles [5.979726271522835]
  ニュース項目が「本物」か「偽」かを自動的に識別する新しい偽ニュース検出システムについて述べる。 我々は,事前学習したモデルと統計的特徴融合ネットワークからなるアンサンブルモデルを用いた。 提案手法は,分類タスクの適切なクラス出力信頼度レベルとともに,信頼性の高い予測不確実性を定量化した。
  論文  参考訳（メタデータ） (2021-04-05T06:35:30Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)
• 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。