論文の概要: Using Persuasive Writing Strategies to Explain and Detect Health Misinformation

• arxiv url: http://arxiv.org/abs/2211.05985v4
• Date: Wed, 10 Apr 2024 14:13:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-11 20:04:52.422239
• Title: Using Persuasive Writing Strategies to Explain and Detect Health Misinformation
• Title（参考訳）: 説得力のある筆記手法による健康情報の説明と検出
• Authors: Danial Kamali, Joseph Romain, Huiyi Liu, Wei Peng, Jingbo Meng, Parisa Kordjamshidi,
• Abstract要約: 本研究は,テキスト文書に用いられている説得戦略を分析し,誤情報の自動識別を支援することに焦点を当てる。 我々の目的を達成するために、一般的な説得力のある筆記法を含む新しいアノテーションスキームを導入する。 提案手法を専門家が徹底的にアノテートした健康情報に関するデータセットを提供する。
• 参考スコア（独自算出の注目度）: 15.748429583896232
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Nowadays, the spread of misinformation is a prominent problem in society. Our research focuses on aiding the automatic identification of misinformation by analyzing the persuasive strategies employed in textual documents. We introduce a novel annotation scheme encompassing common persuasive writing tactics to achieve our objective. Additionally, we provide a dataset on health misinformation, thoroughly annotated by experts utilizing our proposed scheme. Our contribution includes proposing a new task of annotating pieces of text with their persuasive writing strategy types. We evaluate fine-tuning and prompt-engineering techniques with pre-trained language models of the BERT family and the generative large language models of the GPT family using persuasive strategies as an additional source of information. We evaluate the effects of employing persuasive strategies as intermediate labels in the context of misinformation detection. Our results show that those strategies enhance accuracy and improve the explainability of misinformation detection models. The persuasive strategies can serve as valuable insights and explanations, enabling other models or even humans to make more informed decisions regarding the trustworthiness of the information.
• Abstract（参考訳）: 今日では、誤報の拡散が社会で顕著な問題となっている。 本研究は,テキスト文書に用いられている説得戦略を分析し,誤情報の自動識別を支援することに焦点を当てている。 我々の目的を達成するために、一般的な説得力のある筆記法を含む新しいアノテーションスキームを導入する。 さらに,提案手法を応用した専門家によって完全に注釈付けされた健康情報に関するデータセットも提供する。 私たちのコントリビューションには、テキストに説得力のある書き込み戦略タイプを付加する、新たなタスクの提案が含まれています。 BERT ファミリーの事前学習言語モデルと GPT ファミリーの生成する大言語モデルを用いて,説得戦略を付加情報源として,微調整および迅速なエンジニアリング手法の評価を行った。 我々は,誤情報検出の文脈において,説得的戦略を中間ラベルとして活用する効果を評価する。 以上の結果から,これらの手法は精度を高め,誤情報検出モデルの説明可能性を向上させることが示唆された。 説得的戦略は貴重な洞察や説明として機能し、他のモデルや人間でさえ、情報の信頼性に関するより情報的な決定をすることができる。

関連論文リスト

• A Cross-Domain Study of the Use of Persuasion Techniques in Online Disinformation [4.895830603263421]
  本研究では,現在最先端の説得技術を用いて,偽情報物語における16の説得技術の役割を大規模・多領域で分析する。 これは、異なる偽情報領域で異なる説得技術がどのように不均等に使用されるかを示す。 また、気候変動の偽情報に関する詳細なケーススタディも含み、言語的、心理的、文化的要因が、ユニークなテーマの文脈に適合する説得戦略の適応をいかに形作るかを強調している。
  論文  参考訳（メタデータ） (2024-12-19T17:46:13Z)
• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Analysis of Plan-based Retrieval for Grounded Text Generation [78.89478272104739]
  幻覚は、言語モデルがそのパラメトリック知識の外で生成タスクが与えられるときに起こる。 この制限に対処するための一般的な戦略は、言語モデルに検索メカニズムを注入することである。 我々は,幻覚の頻度をさらに減少させるために,探索のガイドとして計画をどのように利用できるかを分析する。
  論文  参考訳（メタデータ） (2024-08-20T02:19:35Z)
• Detecting, Explaining, and Mitigating Memorization in Diffusion Models [49.438362005962375]
  そこで本研究では,テキスト条件予測の大きさを検査することで,暗黙のプロンプトを検出する方法を提案する。 提案手法はサンプリングアルゴリズムを中断することなくシームレスに統合し,第1世代でも高い精度を実現する。 検出戦略に基づいて,個々の単語やトークンの記憶への寄与を示す説明可能なアプローチを提示する。
  論文  参考訳（メタデータ） (2024-07-31T16:13:29Z)
• GPT Assisted Annotation of Rhetorical and Linguistic Features for Interpretable Propaganda Technique Detection in News Text [1.2699007098398802]
  本研究は, 説得の言語に関する文献で同定された22の修辞的, 言語学的特徴を分類した。 WebアプリケーションであるRhetAnnは、そうでなければかなりの精神的な努力を最小限に抑えるように設計されている。 注釈付きデータの小さなセットは、生成的大言語モデル(LLM)であるGPT-3.5を微調整し、残りのデータに注釈を付けた。
  論文  参考訳（メタデータ） (2024-07-16T15:15:39Z)
• Detecting misinformation through Framing Theory: the Frame Element-based Model [6.4618518529384765]
  私たちは、AIコミュニティの中で探索されていない領域である物語フレームのニュアンスな操作に焦点を当てています。 本稿では,事前学習された大規模言語モデルと深層ニューラルネットワークの力を利用して誤情報を検出する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2024-02-19T21:50:42Z)
• Enhancing Argument Structure Extraction with Efficient Leverage of Contextual Information [79.06082391992545]
  本稿では,コンテキスト情報を完全に活用する効率的なコンテキスト認識モデル(ECASE)を提案する。 文脈情報や議論情報を集約するために,シーケンスアテンションモジュールと距離重み付き類似度損失を導入する。 各種ドメインの5つのデータセットに対する実験により,我々のモデルが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-10-08T08:47:10Z)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)

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。