論文の概要: MetaTroll: Few-shot Detection of State-Sponsored Trolls with Transformer Adapters

• arxiv url: http://arxiv.org/abs/2303.07354v1
• Date: Mon, 13 Mar 2023 06:39:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 17:58:01.079377
• Title: MetaTroll: Few-shot Detection of State-Sponsored Trolls with Transformer Adapters
• Title（参考訳）: MetaTroll: トランスフォーマーアダプタを用いた状態スポンサートロールの検出
• Authors: Lin Tian, Xiuzhen Zhang and Jey Han Lau
• Abstract要約: 国家主催のトロルは、ソーシャルメディア上で影響力のあるキャンペーンの主役である。 メタ学習フレームワークに基づくテキストベースのトロル検出モデルであるMetaTrollを提案する。 実験により,MetaTrollは最新の数ショットのテキスト分類モデルよりもかなり優れていることが示された。
• 参考スコア（独自算出の注目度）: 22.21922860179634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-sponsored trolls are the main actors of influence campaigns on social media and automatic troll detection is important to combat misinformation at scale. Existing troll detection models are developed based on training data for known campaigns (e.g.\ the influence campaign by Russia's Internet Research Agency on the 2016 US Election), and they fall short when dealing with {\em novel} campaigns with new targets. We propose MetaTroll, a text-based troll detection model based on the meta-learning framework that enables high portability and parameter-efficient adaptation to new campaigns using only a handful of labelled samples for few-shot transfer. We introduce \textit{campaign-specific} transformer adapters to MetaTroll to ``memorise'' campaign-specific knowledge so as to tackle catastrophic forgetting, where a model ``forgets'' how to detect trolls from older campaigns due to continual adaptation. Our experiments demonstrate that MetaTroll substantially outperforms baselines and state-of-the-art few-shot text classification models. Lastly, we explore simple approaches to extend MetaTroll to multilingual and multimodal detection. Source code for MetaTroll is available at: https://github.com/ltian678/metatroll-code.git.
• Abstract（参考訳）: 国家が支援するトロルはソーシャルメディア上で影響力のあるキャンペーンの主要な人物であり、自動トロール検出は大規模に誤情報と戦うために重要である。 既存のトロール検出モデルは、既知のキャンペーンのトレーニングデータ(例えば2016年のアメリカ合衆国大統領選挙におけるロシアのインターネット研究機関による影響キャンペーン)に基づいて開発されており、新しいターゲットで"emnov"キャンペーンを扱う場合には不足する。 本稿では,メタラーニングフレームワークに基づいたテキストベースのトロール検出モデルであるmetatrollを提案する。 本稿では,<textit{campaign-specific} Transformer AdapterをMetaTrollに導入し,< ``memorise'のキャンペーン固有の知識を導入し,破滅的忘れに対処し,モデル ` `forgets' が継続適応による古いキャンペーンからのトロルの検出方法を示す。 実験の結果,MetaTrollはベースラインと最先端の数ショットテキスト分類モデルを大幅に上回っていることがわかった。 最後に,MetaTrollを多言語および多モーダル検出に拡張するための簡単な手法を検討する。 metatrollのソースコードは、https://github.com/ltian678/metatroll-code.gitで入手できる。

関連論文リスト

• Unraveling the Web of Disinformation: Exploring the Larger Context of State-Sponsored Influence Campaigns on Twitter [16.64763746842362]
  我々は、様々な国を起源とする19の国が支援する偽情報キャンペーンをTwitterで調査した。 私たちは機械学習ベースの分類器を構築し、目に見えないキャンペーンから最大94%のアカウントを正しく識別できる。 また、当社のシステムを野放しにして、州が支援するオペレーションに属する可能性のあるアカウントを増やしています。
  論文  参考訳（メタデータ） (2024-07-25T15:03:33Z)
• Open-Vocabulary Object Detection with Meta Prompt Representation and Instance Contrastive Optimization [63.66349334291372]
  本稿ではメタプロンプトとインスタンスコントラスト学習(MIC)方式を用いたフレームワークを提案する。 まず、クラスとバックグラウンドのプロンプトを学習するプロンプトが新しいクラスに一般化するのを助けるために、新しいクラスエマージシナリオをシミュレートする。 第二に、クラス内コンパクト性とクラス間分離を促進するためのインスタンスレベルのコントラスト戦略を設計し、新しいクラスオブジェクトに対する検出器の一般化に寄与する。
  論文  参考訳（メタデータ） (2024-03-14T14:25:10Z)
• Fighting Fire with Fire: Adversarial Prompting to Generate a Misinformation Detection Dataset [10.860133543817659]
  誤報を識別するために, LLM を用いた銀標準地下構造データセットの作成手法を提案する。 具体的には、信頼できるニュース記事を考えると、我々の提案するアプローチは、LLMが元の記事の要約されたバージョンを自動的に生成するように促すことである。 本データセットの有用性を検討するために,誤情報検出のタスクに対して,教師付きモデルの範囲をトレーニングする一連の実験を行った。
  論文  参考訳（メタデータ） (2024-01-09T10:38:13Z)
• Leveraging Large Language Models to Detect Influence Campaigns in Social Media [9.58546889761175]
  ソーシャルメディアの影響は、大衆の言論や民主主義に重大な課題をもたらしている。 従来の検出方法は、ソーシャルメディアの複雑さとダイナミックな性質のために不足している。 本稿では,ユーザメタデータとネットワーク構造の両方を組み込んだLarge Language Models (LLM) を用いた新しい検出手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T00:25:09Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Meta-Learning Siamese Network for Few-Shot Text Classification [33.20734319478503]
  テキスト分類におけるラベル不足の問題に対処するために、ほとんどショットラーニングが使われていない。 そこで我々はメタラーニング・シームズ・ネットワーク(Meta-SN)を提案し,これらの課題に対処する。 さらにMeta-SNは,メタタスク構築のための新しいサンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2023-02-05T07:41:17Z)
• Generalizable Black-Box Adversarial Attack with Meta Learning [54.196613395045595]
  ブラックボックス攻撃では、ターゲットモデルのパラメータが不明であり、攻撃者はクエリのフィードバックに基づいて、クエリの予算に基づいて摂動を成功させることを目指している。 本稿では,実例レベルの逆転可能性という,過去の攻撃に対するフィードバック情報を活用することを提案する。 この2種類の逆転送性を持つフレームワークは,市販のクエリベースのアタック手法と自然に組み合わせて性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-01-01T07:24:12Z)
• Meta-DETR: Image-Level Few-Shot Detection with Inter-Class Correlation Exploitation [100.87407396364137]
  画像レベルの最小ショット検出装置であるMeta-DETRを設計し、(i)クラス間相関メタ学習戦略を新たに導入する。 複数の数ショットのオブジェクト検出ベンチマーク実験により、提案したMeta-DETRは最先端の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-07-30T13:46:07Z)
• Spinning Language Models for Propaganda-As-A-Service [22.977323089553224]
  ニューラルシークエンス・ツー・シークエンス(seq2seq)モデルに対する新たな脅威について検討する。 相手は、選択したトリガのために望ましいスピンを生成する、カスタマイズされた言語モデルを作成することができる。 スピン化されたモデルは、敵のメタタスクを満たしながら精度の指標を維持します。
  論文  参考訳（メタデータ） (2021-12-09T21:48:29Z)
• MetaDelta: A Meta-Learning System for Few-shot Image Classification [71.06324527247423]
  数ショット画像分類のための新しいメタ学習システムであるMetaDeltaを提案する。 MetaDeltaの各メタラーナーは、バッチトレーニングによって微調整された独自の事前訓練エンコーダと、予測に使用されるパラメータフリーデコーダで構成されている。
  論文  参考訳（メタデータ） (2021-02-22T02:57:22Z)
• Unsupervised Cross-lingual Adaptation for Sequence Tagging and Beyond [58.80417796087894]
  多言語事前訓練言語モデル(mPTLM)による言語間適応は、主にゼロショットアプローチと翻訳に基づくアプローチの2行からなる。 本稿では、ゼロショットアプローチと翻訳に基づくアプローチを統合し、適応性能を向上させるための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-23T13:47:01Z)

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。