論文の概要: PANACEA: An Automated Misinformation Detection System on COVID-19
- arxiv url: http://arxiv.org/abs/2303.01241v1
- Date: Tue, 28 Feb 2023 21:53:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 14:19:22.965169
- Title: PANACEA: An Automated Misinformation Detection System on COVID-19
- Title（参考訳）: panacea:covid-19の誤情報自動検出システム
- Authors: Runcong Zhao, Miguel Arana-Catania, Lixing Zhu, Elena Kochkina, Lin
Gui, Arkaitz Zubiaga, Rob Procter, Maria Liakata and Yulan He
- Abstract要約: PANACEAは、新型コロナウイルス関連の主張に関するWebベースの誤情報検出システムである。
事実チェックと噂検出という2つのモジュールがある。
- 参考スコア（独自算出の注目度）: 49.83321665982157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this demo, we introduce a web-based misinformation detection system
PANACEA on COVID-19 related claims, which has two modules, fact-checking and
rumour detection. Our fact-checking module, which is supported by novel natural
language inference methods with a self-attention network, outperforms
state-of-the-art approaches. It is also able to give automated veracity
assessment and ranked supporting evidence with the stance towards the claim to
be checked. In addition, PANACEA adapts the bi-directional graph convolutional
networks model, which is able to detect rumours based on comment networks of
related tweets, instead of relying on the knowledge base. This rumour detection
module assists by warning the users in the early stages when a knowledge base
may not be available.
- Abstract（参考訳）: 本デモでは, 事実チェックと噂検出という2つのモジュールを備える, COVID-19関連クレームに対するWebベースの誤情報検出システムPANACEAを紹介する。
我々のファクトチェックモジュールは、自己アテンションネットワークを用いた新しい自然言語推論手法によってサポートされており、最先端のアプローチよりも優れています。
また、自動的正当性評価や、チェック対象のクレームに対するスタンスによる支持証拠のランク付けも可能である。
さらに、PANACEAは、知識ベースに頼るのではなく、関連するツイートのコメントネットワークに基づいて噂を検出することができる双方向グラフ畳み込みネットワークモデルを適用する。
この噂検出モジュールは、知識ベースが利用できない可能性がある初期段階のユーザに警告することで支援する。
関連論文リスト
- How to Train Your Fact Verifier: Knowledge Transfer with Multimodal Open Models [95.44559524735308]
大規模言語またはマルチモーダルモデルに基づく検証は、偽コンテンツや有害コンテンツの拡散を緩和するためのオンラインポリシングメカニズムをスケールアップするために提案されている。
我々は,知識伝達の初期研究を通じて,継続的な更新を行うことなく基礎モデルの性能向上の限界をテストする。
最近の2つのマルチモーダルなファクトチェックベンチマークであるMochegとFakedditの結果は、知識伝達戦略がファクドディットのパフォーマンスを最先端よりも1.7%向上し、Mochegのパフォーマンスを2.9%向上させることができることを示唆している。
論文 参考訳（メタデータ） (2024-06-29T08:39:07Z) - Exploring Highly Quantised Neural Networks for Intrusion Detection in
Automotive CAN [13.581341206178525]
機械学習に基づく侵入検出モデルは、標的となる攻撃ベクトルを複数検出することに成功した。
本稿では,多クラス分類モデルとしてのカスタム量子化文学(CQMLP)について述べる。
IDSとして統合された2ビットCQMLPモデルでは、悪意のある攻撃メッセージを99.9%の精度で検出できることが示されている。
論文 参考訳（メタデータ） (2024-01-19T21:11:02Z) - Confidence Attention and Generalization Enhanced Distillation for
Continuous Video Domain Adaptation [62.458968086881555]
連続ビデオドメイン適応(CVDA、Continuous Video Domain Adaptation)は、ソースモデルが個々の変更対象ドメインに適応する必要があるシナリオである。
CVDAの課題に対処するため,遺伝子組み換え型自己知識解離(CART)を用いた信頼性保証ネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-18T16:40:10Z) - A Stream Learning Approach for Real-Time Identification of False Data
Injection Attacks in Cyber-Physical Power Systems [11.867912248195543]
提案フレームワークは,偽データインジェクション攻撃を動的に検出し,分類する。
取得した情報を用いて制御信号を検索する。
このフレームワークは、セントラル・ニューヨーク・パワー・システムから取得した実世界のデータに基づいて評価されている。
論文 参考訳（メタデータ） (2022-10-13T04:53:01Z) - Adversarial Contrastive Learning for Evidence-aware Fake News Detection
with Graph Neural Networks [20.282527436527765]
本稿では,Contrastive Learning,すなわちGETRALを用いたグラフベースのsEmantic構造マイニングフレームワークを提案する。
まず、グラフ構造化データとしてクレームとエビデンスをモデル化し、長距離セマンティック依存関係をキャプチャします。
次に、詳細なセマンティック表現をクレーム-エビデンス相互作用モジュールに入力して予測を行う。
論文 参考訳（メタデータ） (2022-10-11T14:54:37Z) - RX-ADS: Interpretable Anomaly Detection using Adversarial ML for
Electric Vehicle CAN data [0.8208704543835964]
本稿では,EVにおけるCANプロトコル通信における侵入検出のための解釈可能な異常検出システム(RX-ADS)を提案する。
提案したアプローチは、OTIDSとCar Hackingの2つのベンチマークCANデータセットでテストされた。
RX-ADSアプローチはHIDSアプローチ(OTIDSデータセット)に匹敵するパフォーマンスを示し、HIDSおよびGIDSアプローチ(Car Hackingデータセット)より優れています。
論文 参考訳（メタデータ） (2022-09-05T16:49:11Z) - Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。
本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。
提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
論文 参考訳（メタデータ） (2020-07-11T21:20:55Z) - Integrated Replay Spoofing-aware Text-independent Speaker Verification [47.41124427552161]
本稿では,話者認証と提示攻撃検出の統合システムを構築するための2つのアプローチを提案する。
第1のアプローチは、話者識別、提示攻撃検出、マルチタスク学習を用いた統合システムとを同時に訓練する。
本稿では、話者検証と提示攻撃検出に分離されたディープニューラルネットワーク(DNN)を用いたバックエンドモジュール方式を提案する。
論文 参考訳（メタデータ） (2020-06-10T01:24:55Z) - A Controllable Model of Grounded Response Generation [122.7121624884747]
現在のエンドツーエンドのニューラルネットワークモデルは、応答生成プロセスにセマンティックコントロールを課す柔軟性を本質的に欠いている。
我々は制御可能な接地応答生成(CGRG)と呼ばれるフレームワークを提案する。
このフレームワークを用いることで、会話のようなRedditデータセットでトレーニングされた、新しいインダクティブアテンション機構を備えたトランスフォーマーベースのモデルが、強力な生成ベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2020-05-01T21:22:08Z)
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。