Fugu-MT 論文翻訳(概要): CovidMis20: COVID-19 Misinformation Detection System on Twitter Tweets using Deep Learning Models

論文の概要: CovidMis20: COVID-19 Misinformation Detection System on Twitter Tweets using Deep Learning Models

arxiv url: http://arxiv.org/abs/2209.05667v1
Date: Tue, 13 Sep 2022 00:43:44 GMT
ステータス: 処理完了
システム内更新日: 2022-09-14 12:28:00.397373
Title: CovidMis20: COVID-19 Misinformation Detection System on Twitter Tweets using Deep Learning Models
Title（参考訳）: covidmis20:ディープラーニングモデルを用いたtwitterツイートの誤情報検出システム
Authors: Aos Mulahuwaish, Manish Osti, Kevin Gyorick, Majdi Maabreh, Ajay Gupta, and Basheer Qolomany
Abstract要約: この研究は、2020年2月から7月にかけて収集された1,375,592ツイートからなるCovidMis20データセット(COVID-19 Misinformation 2020データセット)を提示する。本研究は,Bi-LSTM深層学習とCNN+Bi-GRUを用いてフェイクニュースの検出を行った。
参考スコア（独自算出の注目度）: 1.4085013201980032
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Online news and information sources are convenient and accessible ways to learn about current issues. For instance, more than 300 million people engage with posts on Twitter globally, which provides the possibility to disseminate misleading information. There are numerous cases where violent crimes have been committed due to fake news. This research presents the CovidMis20 dataset (COVID-19 Misinformation 2020 dataset), which consists of 1,375,592 tweets collected from February to July 2020. CovidMis20 can be automatically updated to fetch the latest news and is publicly available at: https://github.com/everythingguy/CovidMis20. This research was conducted using Bi-LSTM deep learning and an ensemble CNN+Bi-GRU for fake news detection. The results showed that, with testing accuracy of 92.23% and 90.56%, respectively, the ensemble CNN+Bi-GRU model consistently provided higher accuracy than the Bi-LSTM model.
Abstract（参考訳）: オンラインニュースや情報ソースは、現在の問題を学ぶための便利で使いやすい方法です。例えば、全世界で3億人以上がTwitterの投稿に関わり、誤解を招く情報を広める可能性がある。偽ニュースによって暴力犯罪が犯された例は多い。この研究は、2020年2月から7月にかけて収集された1,375,592ツイートからなるCovidMis20データセット(COVID-19 Misinformation 2020データセット)を提示する。 CovidMis20は最新のニュースを取得するために自動的に更新され、https://github.com/everythingguy/CovidMis20で公開されている。本研究は,Bi-LSTM深層学習とCNN+Bi-GRUを用いてフェイクニュースの検出を行った。その結果、試験精度は92.23%と90.56%であり、アンサンブルCNN+Bi-GRUモデルはBi-LSTMモデルよりも一貫して高い精度を示した。

関連論文リスト

Machine Learning-based Automatic Annotation and Detection of COVID-19 Fake News [8.020736472947581]
新型コロナウイルス(COVID-19)は世界のあらゆる地域に影響を与えるが、感染の誤報はウイルスよりも速く移動した。既存の作業は、拡散の触媒として働くボットの存在を無視する。そこで本稿では,Twitterデータセット上で事実確認文をラベル付けする手法を提案する。
論文参考訳（メタデータ） (2022-09-07T13:55:59Z)
Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2021 [55.41644538483948]
共有タスクの目標は、コミュニティにこの重要な問題を解決するための効率的な方法を考え出すことを動機付けることです。トレーニングセットには1300件の注釈付きニュース記事、750件のリアルニュース、550件のフェイクニュース、300件のニュース記事、200件のリアルニュース、100件のフェイクニュースが含まれている。 F1-macroスコアは0.679で、これは過去最高の0.907 F1-macroよりも低かった。
論文参考訳（メタデータ） (2022-07-11T18:58:36Z)
A Proposed Bi-LSTM Method to Fake News Detection [0.0]
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。
論文参考訳（メタデータ） (2022-06-15T06:36:42Z)
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)
Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文参考訳（メタデータ） (2021-10-13T04:44:02Z)
MMCoVaR: Multimodal COVID-19 Vaccine Focused Data Repository for Fake News Detection and a Baseline Architecture for Classification [1.587767395906846]
新型コロナウイルスワクチンに関するニュース記事やツイートを含む新しいマルチモーダルラベル付きデータセットを提供する。 3つのニュースメディアランキングサイトからのレーティングを組み合わせて、ニュースデータセットを信頼性と信頼性の2つのレベルに分類する。提案アーキテクチャはFスコア0.919,精度0.882で偽ニュース検出を行う。
論文参考訳（メタデータ） (2021-09-14T03:57:50Z)
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)
Cross-SEAN: A Cross-Stitch Semi-Supervised Neural Attention Model for COVID-19 Fake News Detection [14.771202995527315]
新型コロナウイルス関連の偽ニュースは事実よりも急速に広まっている。偽ツイートと偽ツイートをラベル付けした最初のcovid-19twitterフェイクニュースデータセットであるctfを紹介します。また、クロスステッチに基づくセミスーパーバイザーエンドツーエンドの神経注意モデルCross-SEANを提案する。
論文参考訳（メタデータ） (2021-02-17T18:30:43Z)
Evaluating Deep Learning Approaches for Covid19 Fake News Detection [0.0]
データマイニングの観点から、偽ニュース検出の自動化技術を検討します。 Contraint@AAAI 2021 Covid-19 Fakeニュース検出データセットで異なる教師付きテキスト分類アルゴリズムを評価します。 Covid-19 Fakeニュース検出データセットで98.41%の最高の精度を報告する。
論文参考訳（メタデータ） (2021-01-11T16:39:03Z)
HoaxItaly: a collection of Italian disinformation and fact-checking stories shared on Twitter in 2019 [72.96986027203377]
データセットには約37Kのニュース記事のタイトルとボディも含まれている。 https://doi.org/10.79DVN/PGVDHXで公開されている。
論文参考訳（メタデータ） (2020-01-29T16:14:47Z)

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。