論文の概要: Detecting Chinese Fake News on Twitter during the COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2304.03454v1
- Date: Fri, 7 Apr 2023 03:03:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 13:01:35.524528
- Title: Detecting Chinese Fake News on Twitter during the COVID-19 Pandemic
- Title（参考訳）: 新型コロナウイルスパンデミックで中国の偽ニュースをTwitterで発見
- Authors: Yongjun Zhang, Sijia Liu, Yi Wang, Xinguang Fan
- Abstract要約: 新型コロナウイルス(COVID-19)の流行は、中国における偽情報、偽情報、偽ニュースの拡散が原因で、シナフォビアの世界的な急増につながっている。
本稿は、Twitterの中国語ソーシャルメディア投稿が中国に関する偽ニュースと関連しているかどうかを検知する新しい分類器の作成について報告する。
新型コロナウイルス(COVID-19)のパンデミックで、研究者が中国語の偽ニュースを研究するために、18,425のツイートで最終モデルと新しいトレーニングデータセットを提供する。
- 参考スコア（独自算出の注目度）: 14.572408454393042
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The outbreak of COVID-19 has led to a global surge of Sinophobia partly
because of the spread of misinformation, disinformation, and fake news on
China. In this paper, we report on the creation of a novel classifier that
detects whether Chinese-language social media posts from Twitter are related to
fake news about China. The classifier achieves an F1 score of 0.64 and an
accuracy rate of 93%. We provide the final model and a new training dataset
with 18,425 tweets for researchers to study fake news in the Chinese language
during the COVID-19 pandemic. We also introduce a new dataset generated by our
classifier that tracks the dynamics of fake news in the Chinese language during
the early pandemic.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)の流行は、中国における偽情報、偽情報、偽ニュースの拡散によって、シナフォビアの世界的な急増につながった。
本稿では,Twitterの中国語ソーシャルメディア投稿が中国に関する偽ニュースと関連しているかどうかを検知する新しい分類器の作成について報告する。
分類器はF1スコアが0.64、精度が93%となる。
新型コロナウイルス(COVID-19)のパンデミックで、研究者が中国語の偽ニュースを研究するために、18,425のツイートで最終モデルと新しいトレーニングデータセットを提供する。
また、パンデミック初期の中国語における偽ニュースのダイナミクスを追跡する分類器によって生成された新しいデータセットも紹介する。
関連論文リスト
- MCFEND: A Multi-source Benchmark Dataset for Chinese Fake News Detection [5.288018460787191]
純粋に1つのニュースソースで訓練された方法は、現実のシナリオにはほとんど適用できない。
MCFENDと呼ばれる中国の偽ニュース検出のための、最初のマルチソースベンチマークデータセットを構築した。
MCFENDは、ベンチマークデータセットとして、中国の偽ニュース検出アプローチを現実世界のシナリオで前進させることを目的としている。
論文 参考訳（メタデータ） (2024-03-14T04:32:13Z) - Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳（メタデータ） (2023-11-02T08:39:45Z) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳（メタデータ） (2022-11-25T18:24:17Z) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。
そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。
実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文 参考訳（メタデータ） (2021-10-13T04:44:02Z) - 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) - How does Truth Evolve into Fake News? An Empirical Study of Fake News
Evolution [55.27685924751459]
偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。
私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。
進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
論文 参考訳（メタデータ） (2021-03-10T09:01:34Z) - Cross-SEAN: A Cross-Stitch Semi-Supervised Neural Attention Model for
COVID-19 Fake News Detection [14.771202995527315]
新型コロナウイルス関連の偽ニュースは事実よりも急速に広まっている。
偽ツイートと偽ツイートをラベル付けした最初のcovid-19twitterフェイクニュースデータセットであるctfを紹介します。
また、クロスステッチに基づくセミスーパーバイザーエンドツーエンドの神経注意モデルCross-SEANを提案する。
論文 参考訳（メタデータ） (2021-02-17T18:30:43Z) - Evaluating Deep Learning Approaches for Covid19 Fake News Detection [0.0]
データマイニングの観点から、偽ニュース検出の自動化技術を検討します。
Contraint@AAAI 2021 Covid-19 Fakeニュース検出データセットで異なる教師付きテキスト分類アルゴリズムを評価します。
Covid-19 Fakeニュース検出データセットで98.41%の最高の精度を報告する。
論文 参考訳（メタデータ） (2021-01-11T16:39:03Z) - Transformer based Automatic COVID-19 Fake News Detection System [9.23545668304066]
新型コロナウイルス(COVID-19)のパンデミックでは、誤報が特に多い。
新型コロナウイルスのパンデミックに関するソーシャルメディア上で共有される情報の信頼性を分析する手法を報告する。
テストセットでは0.9855 f1スコアを獲得し,160チーム中5位にランクインした。
論文 参考訳（メタデータ） (2021-01-01T06:49:27Z)
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。