論文の概要: TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection
- arxiv url: http://arxiv.org/abs/2304.09421v1
- Date: Wed, 19 Apr 2023 04:47:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 15:28:01.704382
- Title: TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection
- Title（参考訳）: TieFake: タイトルテキストの類似性と感情認識型フェイクニュース検出
- Authors: Quanjiang Guo, Zhao Kang, Ling Tian, Zhouguo Chen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 15.386007761649251
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fake news detection aims to detect fake news widely spreading on social media
platforms, which can negatively influence the public and the government. Many
approaches have been developed to exploit relevant information from news
images, text, or videos. However, these methods may suffer from the following
limitations: (1) ignore the inherent emotional information of the news, which
could be beneficial since it contains the subjective intentions of the authors;
(2) pay little attention to the relation (similarity) between the title and
textual information in news articles, which often use irrelevant title to
attract reader' attention. To this end, we propose a novel Title-Text
similarity and emotion-aware Fake news detection (TieFake) method by jointly
modeling the multi-modal context information and the author sentiment in a
unified framework. Specifically, we respectively employ BERT and ResNeSt to
learn the representations for text and images, and utilize publisher emotion
extractor to capture the author's subjective emotion in the news content. We
also propose a scale-dot product attention mechanism to capture the similarity
between title features and textual features. Experiments are conducted on two
publicly available multi-modal datasets, and the results demonstrate that our
proposed method can significantly improve the performance of fake news
detection. Our code is available at https://github.com/UESTC-GQJ/TieFake.
- Abstract（参考訳）: フェイクニュース検出は、ソーシャルメディアプラットフォーム上で広く拡散するフェイクニュースを検出することを目的としている。
ニュース画像、テキスト、ビデオなどの関連情報を活用するために多くの手法が開発されている。
しかし,これらの手法は,(1)著者の主観的意図を含まないことから有益であるニュースの本質的な感情情報を無視すること,(2)読者の注意を引くためにしばしば無関係なタイトルを用いるニュース記事の題名とテキスト情報との関係(類似性)にはほとんど注意を払わない,といった制約に悩まされる。
そこで本研究では,マルチモーダルな文脈情報と著者の感情を統一した枠組みで共同でモデル化し,新しいテキスト類似性と感情認識型フェイクニュース検出手法を提案する。
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中の著者の主観的感情を抽出する。
また、タイトル機能とテキスト機能との類似性を捉えるためのスケールドット製品アテンション機構を提案する。
提案手法が偽ニュース検出の性能を著しく向上できることを実証し, 公開可能な2つのマルチモーダルデータセットを用いて実験を行った。
私たちのコードはhttps://github.com/UESTC-GQJ/TieFake.comで利用可能です。
関連論文リスト
- 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) - fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳（メタデータ） (2023-09-20T04:10:03Z) - 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) - 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) - FNR: A Similarity and Transformer-Based Approachto Detect Multi-Modal
FakeNews in Social Media [4.607964446694258]
本研究の目的は、ソーシャルメディアのテキストや画像から複数モーダルな特徴を分析し、偽ニュースを検出することである。
本稿では、変換学習を利用して文脈的・意味的な特徴を抽出するFake News Revealer(FNR)手法を提案する。
提案手法は,従来の研究に比べて偽ニュースの検出精度が高いことを示す。
論文 参考訳（メタデータ） (2021-12-02T11:12:09Z) - 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) - Multimodal Fusion with BERT and Attention Mechanism for Fake News
Detection [0.0]
テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。
実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
論文 参考訳（メタデータ） (2021-04-23T08:47:54Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - SAFE: Similarity-Aware Multi-Modal Fake News Detection [8.572654816871873]
テキストや画像,あるいはその“ミスマッチ”に基づいて偽ニュースを検出する新しい手法を提案する。
このようなニューステキストと視覚情報の表現と関係性は共同で学習され、偽ニュースを予測するために使用される。
提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
論文 参考訳（メタデータ） (2020-02-19T02:51:04Z)
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。