論文の概要: DANES: Deep Neural Network Ensemble Architecture for Social and Textual Context-aware Fake News Detection

• arxiv url: http://arxiv.org/abs/2302.01756v1
• Date: Wed, 1 Feb 2023 20:05:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-06 16:10:19.954755
• Title: DANES: Deep Neural Network Ensemble Architecture for Social and Textual Context-aware Fake News Detection
• Title（参考訳）: DANES: ソーシャルおよびテクスト対応フェイクニュース検出のためのディープニューラルネットワークアンサンブルアーキテクチャ
• Authors: Ciprian-Octavian Truic\u{a} and Elena-Simona Apostol and Panagiotis Karras
• Abstract要約: DANESは、ソーシャルおよびテキスト対応のフェイクニュース検出のためのディープニューラルネットワークアンサンブルアーキテクチャである。 BuzzFace、Twitter15、Twitter16の3つの実世界のデータセットに対する予備的アブレーションの結果は、最先端のソリューションを上回る精度で期待できる。
• 参考スコア（独自算出の注目度）: 9.34612743192798
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The growing popularity of social media platforms has simplified the creation and distribution of news articles but also creates a conduit for spreading fake news. In consequence, the need arises for effective context-aware fake news detection mechanisms, where the contextual information can be built either from the textual content of posts or from available social data (e.g., information about the users, reactions to posts, or the social network). In this paper, we propose DANES, a Deep Neural Network Ensemble Architecture for Social and Textual Context-aware Fake News Detection. DANES comprises a Text Branch for a textual content-based context and a Social Branch for the social context. These two branches are used to create a novel Network Embedding. Preliminary ablation results on 3 real-world datasets, i.e., BuzzFace, Twitter15, and Twitter16, are promising, with an accuracy that outperforms state-of-the-art solutions when employing both social and textual content features.
• Abstract（参考訳）: ソーシャルメディアプラットフォームの人気が高まり、ニュース記事の作成と配布が簡単になっただけでなく、偽ニュースを広めるための導管も作られた。 その結果、効果的な文脈認識による偽ニュース検出メカニズムの必要性が生まれ、文脈情報は、投稿のテキストコンテンツか、利用可能なソーシャルデータ(例えば、ユーザに関する情報、投稿への反応、あるいはソーシャルネットワーク)から構築することができる。 本稿では,社会的・テキスト的文脈認識に基づく偽ニュース検出のための深層ニューラルネットワークアンサンブルアーキテクチャであるdanesを提案する。 DANESはテキストコンテンツベースのコンテキストのためのテキストブランチと、ソーシャルコンテキストのためのソーシャルブランチで構成される。 これら2つのブランチは、新しいNetwork Embeddingを作成するために使用される。 3つの現実世界のデータセット、すなわちbuzzface、twitter15、twitter16の予備的なアブレーション結果は、ソーシャルとテキストの両方のコンテンツ機能を使う際に最先端のソリューションを上回る精度で期待されている。

関連論文リスト

• 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)
• 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)
• 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)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  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。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach [0.39146761527401425]
  フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
  論文  参考訳（メタデータ） (2022-07-27T12:58:33Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• FR-Detect: A Multi-Modal Framework for Early Fake News Detection on Social Media Using Publishers Features [0.0]
  ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。 早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。 実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
  論文  参考訳（メタデータ） (2021-09-10T12:39:00Z)
• User Preference-aware Fake News Detection [61.86175081368782]
  既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。 本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
  論文  参考訳（メタデータ） (2021-04-25T21:19:24Z)
• 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)
• Graph-based Modeling of Online Communities for Fake News Detection [23.12016616717835]
  グラフニューラルネットワーク(GNN)に基づく新しいソーシャルコンテキスト対応フェイクニュース検出フレームワークを提案する。 提案フレームワークは,1) 配信されたコンテンツの性質,2) ユーザのコンテンツ共有行動,3) 利用者のソーシャルネットワークに関する情報を集約する。 筆者らは,本フレームワークが既存のテキストベースの手法よりも大幅に向上し,二つのドメインの偽ニュースデータセットの最先端結果が得られることを実証的に実証した。
  論文  参考訳（メタデータ） (2020-08-14T10:01:34Z)

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。