論文の概要: Detecting Stance of Authorities towards Rumors in Arabic Tweets: A Preliminary Study

• arxiv url: http://arxiv.org/abs/2301.05863v1
• Date: Sat, 14 Jan 2023 09:28:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 18:23:57.112865
• Title: Detecting Stance of Authorities towards Rumors in Arabic Tweets: A Preliminary Study
• Title（参考訳）: アラビア語ツイートの噂に対する権威のスタンスを検出する:予備研究
• Authors: Fatima Haouari and Tamer Elsayed
• Abstract要約: 我々は、当局からのツイートがうわさに同意するか、同意するか、反対するか、あるいはそのうわさと無関係であるかの、つぶやきに対する当局のスタンスを検出するタスクを定義する。 われわれは、アラビアのTwitterのオーソリティ・タイムラインから証拠を回収する、最初のOAuthor STance towards Rumorsデータセットを構築し、リリースする。
• 参考スコア（独自算出の注目度）: 5.1500271405271505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A myriad of studies addressed the problem of rumor verification in Twitter by either utilizing evidence from the propagation networks or external evidence from the Web. However, none of these studies exploited evidence from trusted authorities. In this paper, we define the task of detecting the stance of authorities towards rumors in tweets, i.e., whether a tweet from an authority agrees, disagrees, or is unrelated to the rumor. We believe the task is useful to augment the sources of evidence utilized by existing rumor verification systems. We construct and release the first Authority STance towards Rumors (AuSTR) dataset, where evidence is retrieved from authority timelines in Arabic Twitter. Due to the relatively limited size of our dataset, we study the usefulness of existing datasets for stance detection in our task. We show that existing datasets are somewhat useful for the task; however, they are clearly insufficient, which motivates the need to augment them with annotated data constituting stance of authorities from Twitter.
• Abstract（参考訳）: 数多くの研究が、伝播ネットワークの証拠を利用するか、ウェブからの外部証拠を使用することで、twitterにおける噂の検証の問題に対処した。 しかし、いずれも信頼できる当局の証拠を利用していない。 本稿では,ツイート中のうわさに対する当局の姿勢を検知するタスク,すなわち,当局からのツイートが同意するか,反対するか,あるいはその噂と無関係であるかを規定する。 このタスクは,既存の噂検証システムで活用されている証拠の出典を増やすのに役立つと考えている。 アラビアのTwitterのオーソリティタイムラインからエビデンスを抽出する,最初のOAuthor STance towards Rumors(AuSTR)データセットを構築し,リリースする。 データセットのサイズが比較的限られているため,既存のデータセットを用いた姿勢検出の有用性について検討した。 既存のデータセットはタスクにいくらか役立つが、それは明らかに不十分であり、Twitterの当局のスタンスを構成する注釈付きデータでそれらを増強する必要性を動機付けている。

関連論文リスト

• Who Checks the Checkers? Exploring Source Credibility in Twitter's Community Notes [0.03511246202322249]
  ソーシャルメディアプラットフォーム上での誤情報拡散は重大な懸念となっている。 この研究は、クラウドソースのファクトチェックにおける潜在的な役割にもかかわらず、Twitter Community Notesの特定の機能に焦点を当てている。 引用された情報源の大部分は、左派であり、高い事実性を持つニュースメディアであり、プラットフォームの事実チェックにおける潜在的なバイアスを示唆している。
  論文  参考訳（メタデータ） (2024-06-18T09:47:58Z)
• Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
  証拠は、自動化された事実チェックにおいて重要な役割を果たす。 既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。 資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
  論文  参考訳（メタデータ） (2023-05-25T15:01:19Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Black-box Dataset Ownership Verification via Backdoor Watermarking [67.69308278379957]
  我々は、リリースデータセットの保護を、(目立たしい)サードパーティモデルのトレーニングに採用されているかどうかの検証として定式化する。 バックドアの透かしを通じて外部パターンを埋め込んでオーナシップの検証を行い,保護することを提案する。 具体的には、有毒なバックドア攻撃(例えばBadNets)をデータセットのウォーターマーキングに利用し、データセット検証のための仮説テストガイダンスメソッドを設計する。
  論文  参考訳（メタデータ） (2022-08-04T05:32:20Z)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• Synthetic Disinformation Attacks on Automated Fact Verification Systems [53.011635547834025]
  本研究では,2つのシミュレーション環境において,自動ファクトチェッカーの合成正反対証拠に対する感度について検討する。 これらのシステムでは,これらの攻撃に対して大幅な性能低下がみられた。 偽情報の発生源としての現代のNLGシステムの脅威の増大について論じる。
  論文  参考訳（メタデータ） (2022-02-18T19:01:01Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• Rumor Detection on Twitter with Claim-Guided Hierarchical Graph Attention Networks [5.167857972528786]
  ソーシャルメディアの時代には噂が広まっている。 本研究では,ユーザの意見の相互作用を大幅に強化するために,まず対話スレッドを非方向性の対話グラフとして表現する。 次に,レーム誘導型階層型グラフ注意ネットワークを提案し,応答性のある投稿の表現学習を強化する。
  論文  参考訳（メタデータ） (2021-10-09T09:24:11Z)
• BERT based classification system for detecting rumours on Twitter [3.2872586139884623]
  従来の特徴抽出手法ではなく,Twitter上での噂を識別する手法を提案する。 BERTを用いた文埋め込みを用いて、ツイートの文脈的意味に応じて、各ツイートの文をベクターに表現する。 BERTをベースとしたモデルでは,従来の手法に比べて約10%精度が向上した。
  論文  参考訳（メタデータ） (2021-09-07T10:15:54Z)
• Combining exogenous and endogenous signals with a semi-supervised co-attention network for early detection of COVID-19 fake tweets [14.771202995527315]
  新型コロナウイルス(COVID-19)の間、誤報のあるツイートは早期に警告され、中立化され、被害を軽減する必要がある。 偽ニュースを早期に検出する既存の方法のほとんどは、大きなラベル付きツイートに十分な伝搬情報を持っていると仮定している。 我々は、ツイートに関連する内因性および内因性信号を活用する新しい早期検出モデルENDEMICを提案する。
  論文  参考訳（メタデータ） (2021-04-12T10:01:44Z)
• ArCOV19-Rumors: Arabic COVID-19 Twitter Dataset for Misinformation Detection [6.688963029270579]
  ArCOV19-Rumorsは、1月27日から2020年4月末までのクレームを含むツイートからなる誤情報検出のためのアラビア語のTwitterデータセットである。 本誌は138件の確認済みのクレームを、主に人気ファクトチェックサイトから収集し、それらのクレームに関連する9.4万件のツイートを特定した。 ツイートは、パンデミックで直面した主要な問題の一つである誤情報検出の研究を支援するために、正確さで手動で注釈付けされた。
  論文  参考訳（メタデータ） (2020-10-17T11:21:40Z)

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。