論文の概要: An Emotion-Aware Multi-Task Approach to Fake News and Rumour Detection
using Transfer Learning
- arxiv url: http://arxiv.org/abs/2211.12374v1
- Date: Tue, 22 Nov 2022 16:15:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 16:40:40.199896
- Title: An Emotion-Aware Multi-Task Approach to Fake News and Rumour Detection
using Transfer Learning
- Title（参考訳）: トランスファー学習による偽ニュースと噂検出に対する感情認識型マルチタスクアプローチ
- Authors: Arjun Choudhry, Inder Khatri, Minni Jain, Dinesh Kumar Vishwakarma
- Abstract要約: 本研究は,テキストの正当性と本質的な感情との相関関係を示す。
テキストの感情と正当性の両方を予測し,フェイクニュースと噂検出のためのマルチタスクフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 13.448658162594603
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social networking sites, blogs, and online articles are instant sources of
news for internet users globally. However, in the absence of strict regulations
mandating the genuineness of every text on social media, it is probable that
some of these texts are fake news or rumours. Their deceptive nature and
ability to propagate instantly can have an adverse effect on society. This
necessitates the need for more effective detection of fake news and rumours on
the web. In this work, we annotate four fake news detection and rumour
detection datasets with their emotion class labels using transfer learning. We
show the correlation between the legitimacy of a text with its intrinsic
emotion for fake news and rumour detection, and prove that even within the same
emotion class, fake and real news are often represented differently, which can
be used for improved feature extraction. Based on this, we propose a multi-task
framework for fake news and rumour detection, predicting both the emotion and
legitimacy of the text. We train a variety of deep learning models in
single-task and multi-task settings for a more comprehensive comparison. We
further analyze the performance of our multi-task approach for fake news
detection in cross-domain settings to verify its efficacy for better
generalization across datasets, and to verify that emotions act as a
domain-independent feature. Experimental results verify that our multi-task
models consistently outperform their single-task counterparts in terms of
accuracy, precision, recall, and F1 score, both for in-domain and cross-domain
settings. We also qualitatively analyze the difference in performance in
single-task and multi-task learning models.
- Abstract（参考訳）: ソーシャルネットワーキングサイト、ブログ、オンライン記事は、世界中のインターネットユーザーにとって即時ニュース源である。
しかし、ソーシャルメディア上の全てのテキストの真正さを規定する厳格な規制がないため、これらのテキストのいくつかは偽ニュースや噂である可能性が高い。
彼らの偽りの性質と即時伝播能力は社会に悪影響を及ぼす可能性がある。
これにより、ウェブ上の偽ニュースや噂をより効果的に検出する必要がある。
本研究では,情報伝達学習を用いて,感情クラスラベルを用いて4つの偽ニュース検出とうわさ検出データセットをアノテートする。
テキストの正統性と偽ニュースに対する内在的な感情と噂検出との相関関係を示し,同一の感情クラス内でも偽ニュースと実際のニュースが異なった表現で表現されることがしばしばあり,機能抽出の改善に利用できることを示す。
これに基づいて,偽ニュースと噂検出のためのマルチタスクフレームワークを提案し,テキストの感情と正当性の両方を予測する。
より包括的な比較のために、シングルタスクとマルチタスク設定でさまざまなディープラーニングモデルをトレーニングします。
クロスドメイン設定における偽ニュース検出のためのマルチタスクアプローチの性能をさらに分析し、データセットをまたがる汎用化の有効性を検証し、感情がドメインに依存しない機能として機能することを確認する。
実験結果は、ドメイン内設定とクロスドメイン設定の両方において、精度、精度、リコール、F1スコアにおいて、我々のマルチタスクモデルが一貫してシングルタスクモデルを上回っていることを検証する。
また,シングルタスク学習モデルとマルチタスク学習モデルの性能差を質的に分析する。
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) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - 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) - 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) - Supporting verification of news articles with automated search for
semantically similar articles [0.0]
偽ニュースを扱うための証拠検索手法を提案する。
学習課題は教師なし機械学習問題として定式化される。
われわれのアプローチは、コンセプトドリフトとは無関係である。
機械学習タスクはテキスト内の仮説とは独立している。
論文 参考訳（メタデータ） (2021-03-29T12:56:59Z) - 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) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z) - 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) - SAFE: Similarity-Aware Multi-Modal Fake News Detection [8.572654816871873]
テキストや画像,あるいはその“ミスマッチ”に基づいて偽ニュースを検出する新しい手法を提案する。
このようなニューステキストと視覚情報の表現と関係性は共同で学習され、偽ニュースを予測するために使用される。
提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
論文 参考訳（メタデータ） (2020-02-19T02:51:04Z)
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。