論文の概要: Predictive linguistic cues for fake news: a societal artificial intelligence problem

• arxiv url: http://arxiv.org/abs/2211.14505v1
• Date: Sat, 26 Nov 2022 07:50:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 15:21:35.640190
• Title: Predictive linguistic cues for fake news: a societal artificial intelligence problem
• Title（参考訳）: 偽ニュースの予測的言語的手がかり:社会的人工知能問題
• Authors: Sandhya Aneja and Nagender Aneja and Ponnurangam Kumaraguru
• Abstract要約: メディアニュース項目の言語的特徴を,機械学習アルゴリズムを用いて,偽ニュースと実ニュースを区別する。 我々は、証拠ではなく、主に分布特性を制御するニューラルネットワークを使用している。 測定値に高い値を持つ特徴, 負, 正, 基数は, 曲線 (AUC) とF1スコアの下で高い面積を提供するために観測される。
• 参考スコア（独自算出の注目度）: 9.40467099889021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Media news are making a large part of public opinion and, therefore, must not be fake. News on web sites, blogs, and social media must be analyzed before being published. In this paper, we present linguistic characteristics of media news items to differentiate between fake news and real news using machine learning algorithms. Neural fake news generation, headlines created by machines, semantic incongruities in text and image captions generated by machine are other types of fake news problems. These problems use neural networks which mainly control distributional features rather than evidence. We propose applying correlation between features set and class, and correlation among the features to compute correlation attribute evaluation metric and covariance metric to compute variance of attributes over the news items. Features unique, negative, positive, and cardinal numbers with high values on the metrics are observed to provide a high area under the curve (AUC) and F1-score.
• Abstract（参考訳）: メディアニュースは世論の大部分を占めており、だから偽物であってはならない。 ウェブサイト、ブログ、ソーシャルメディアに関するニュースは、公開前に分析されなければならない。 本稿では,機械学習アルゴリズムを用いて,偽ニュースと実ニュースを区別するメディアニュースの言語特性について述べる。 ニューラルフェイクニュース生成、マシンが生成する見出し、テキストのセマンティックな矛盾、マシンが生成する画像キャプションなどは、他の種類のフェイクニュース問題である。 これらの問題は、証拠ではなく分布的特徴を主に制御するニューラルネットワークを使用する。 本稿では,特徴セットとクラス間の相関を応用し,特徴間の相関関係を用いて相関属性評価指標と共分散メトリクスを算出し,ニュース項目に対する属性の分散を計算する。 測定値に高い値を持つ特徴, 負, 正, 基数は, 曲線 (AUC) とF1スコアの下で高い面積を提供するために観測される。

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)
• Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
  プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。 我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
  論文  参考訳（メタデータ） (2023-09-28T13:19:43Z)
• It's All in the Embedding! Fake News Detection Using Document Embeddings [0.6091702876917281]
  本稿では,文書埋め込みを用いて,ニュース記事を信頼性やニセモノと正確にラベル付けする複数のモデルを構築する手法を提案する。 また、バイナリや複数ラベルの分類を用いて偽ニュースを検出する異なるアーキテクチャのベンチマークを示す。
  論文  参考訳（メタデータ） (2023-04-16T13:30:06Z)
• 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)
• 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)
• 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)
• 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)
• Birds of a Feather Flock Together: Satirical News Detection via Language Model Differentiation [7.556286423133077]
  風刺的なニュースでは、文脈の語彙的・実践的な属性が読者を楽しませる上で重要な要素である。 本稿では,風刺ニュースと真のニュースを区別する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:46:36Z)
• 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)
• Improving Generalizability of Fake News Detection Methods using Propensity Score Matching [23.968908482333717]
  偽ニュースの特徴に相反する変数が存在することを考慮し、一般化可能な特徴を選択するためにPSM(Propensity Score Matching)を用いる。 実験結果から, 偽ニュース手法の一般化性は, 生周波数を用いて特徴を抽出するよりも, PSMを用いることで著しく向上していることがわかった。
  論文  参考訳（メタデータ） (2020-01-28T00:44:59Z)

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。