論文の概要: Exploring Fake News Detection with Heterogeneous Social Media Context Graphs

• arxiv url: http://arxiv.org/abs/2212.06560v1
• Date: Tue, 13 Dec 2022 13:29:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 15:03:56.477945
• Title: Exploring Fake News Detection with Heterogeneous Social Media Context Graphs
• Title（参考訳）: ヘテロジニアスなソーシャルメディアコンテキストグラフを用いた偽ニュース検出の検討
• Authors: Gregor Donabauer, Udo Kruschwitz
• Abstract要約: フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
• 参考スコア（独自算出の注目度）: 4.2177790395417745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fake news detection has become a research area that goes way beyond a purely academic interest as it has direct implications on our society as a whole. Recent advances have primarily focused on textbased approaches. However, it has become clear that to be effective one needs to incorporate additional, contextual information such as spreading behaviour of news articles and user interaction patterns on social media. We propose to construct heterogeneous social context graphs around news articles and reformulate the problem as a graph classification task. Exploring the incorporation of different types of information (to get an idea as to what level of social context is most effective) and using different graph neural network architectures indicates that this approach is highly effective with robust results on a common benchmark dataset.
• Abstract（参考訳）: フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 最近の進歩は主にテキストベースのアプローチに焦点を当てている。 しかし, ソーシャルメディア上でのニュース記事の行動の拡散やユーザインタラクションのパターンなど, 文脈情報の追加が, 効果的であることは明らかになっている。 本稿では,ニュース記事にまつわる異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。 異なる種類の情報(どのレベルのソーシャルコンテキストが最も効果的かというアイデアを得るために)の取り込みを探求し、異なるグラフニューラルネットワークアーキテクチャを使用することは、このアプローチが共通のベンチマークデータセットで堅牢な結果に対して非常に有効であることを示している。

関連論文リスト

• Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
  反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。 大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。 グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
  論文  参考訳（メタデータ） (2023-12-28T00:25:12Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• 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)
• An Interactive Framework for Profiling News Media Sources [26.386860411085053]
  本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。 グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。 人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
  論文  参考訳（メタデータ） (2023-09-14T02:03:45Z)
• Fake News Detection Through Graph-based Neural Networks: A Survey [18.70577400440486]
  低品質や故意に偽の情報をオンラインで急速に広めることができる。 オンラインの誤報をできるだけ早く特定し、公表することは、ますます緊急の課題になりつつある。 本稿では,グラフベースおよび深層学習に基づくフェイクニュース検出研究の体系的レビューを行う。
  論文  参考訳（メタデータ） (2023-07-24T09:30:30Z)
• Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions [49.305189190372765]
  社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。 本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。 社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
  論文  参考訳（メタデータ） (2023-02-08T09:09:47Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• Hetero-SCAN: Towards Social Context Aware Fake News Detection via Heterogeneous Graph Neural Network [11.145085584637744]
  異種グラフニューラルネットワークに基づく新しい社会的文脈認識型偽ニュース検出手法Hetero-SCANを提案する。 我々は,Hetero-SCANが,最先端のテキストベースおよびグラフベースの偽ニュース検出手法に対して,性能と効率の面で大幅な改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-13T15:21:44Z)
• Enhancing Social Relation Inference with Concise Interaction Graph and Discriminative Scene Representation [56.25878966006678]
  我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。 人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。 PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
  論文  参考訳（メタデータ） (2021-07-30T04:20:13Z)
• Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks [90.3475746663728]
  イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。 ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。 しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
  論文  参考訳（メタデータ） (2021-04-02T02:13:10Z)
• Adversarial Active Learning based Heterogeneous Graph Neural Network for Fake News Detection [18.847254074201953]
  新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。 AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。 2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-27T05:05:25Z)

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。