Fugu-MT 論文翻訳(概要): Rumor Detection with Hierarchical Representation on Bipartite Adhoc Event Trees

論文の概要: Rumor Detection with Hierarchical Representation on Bipartite Adhoc Event Trees

arxiv url: http://arxiv.org/abs/2304.13895v1
Date: Thu, 27 Apr 2023 00:37:27 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 14:44:32.733888
Title: Rumor Detection with Hierarchical Representation on Bipartite Adhoc Event Trees
Title（参考訳）: 2部アドホックイベントツリーの階層表現によるうわさ検出
Authors: Qi Zhang, Yayi Yang, Chongyang Shi, An Lao, Liang Hu, Shoujin Wang, Usman Naseem
Abstract要約: 既存のうわさ検出方法は、検出のためのうわさ候補の再投稿伝搬を利用する。本稿では,BAET と呼ばれる二部構成のアドホックイベントツリーを階層的に表現した新しいうわさ検出モデルを提案する。
参考スコア（独自算出の注目度）: 17.970340712017904
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rapid growth of social media has caused tremendous effects on information propagation, raising extreme challenges in detecting rumors. Existing rumor detection methods typically exploit the reposting propagation of a rumor candidate for detection by regarding all reposts to a rumor candidate as a temporal sequence and learning semantics representations of the repost sequence. However, extracting informative support from the topological structure of propagation and the influence of reposting authors for debunking rumors is crucial, which generally has not been well addressed by existing methods. In this paper, we organize a claim post in circulation as an adhoc event tree, extract event elements, and convert it to bipartite adhoc event trees in terms of both posts and authors, i.e., author tree and post tree. Accordingly, we propose a novel rumor detection model with hierarchical representation on the bipartite adhoc event trees called BAET. Specifically, we introduce word embedding and feature encoder for the author and post tree, respectively, and design a root-aware attention module to perform node representation. Then we adopt the tree-like RNN model to capture the structural correlations and propose a tree-aware attention module to learn tree representation for the author tree and post tree, respectively. Extensive experimental results on two public Twitter datasets demonstrate the effectiveness of BAET in exploring and exploiting the rumor propagation structure and the superior detection performance of BAET over state-of-the-art baseline methods.
Abstract（参考訳）: ソーシャルメディアの急速な成長は、情報伝達に大きな影響を与え、噂を検出するという極端な課題を提起している。既存のうわさ検出方法は、通常、うわさ候補への全てのリポストを時間系列とし、リポストシーケンスのセマンティクス表現を学習することにより、うわさ候補のリポスト伝播を検知に利用する。しかし, 伝播のトポロジカルな構造から情報的支援を抽出し, 噂を広めるための再投稿者の影響は極めて重要であり, 従来の手法では十分に対処されていない。本稿では,アドホックなイベントツリーとして流通するクレームポストを整理し,イベント要素を抽出し,ポストと著者,すなわち著者ツリーとポストツリーの両面で,アドホックなイベントツリーに変換する。そこで本稿では,BAET と呼ばれる二部構成のイベントツリーを階層的に表現した新しい噂検出モデルを提案する。具体的には,著者とポストツリーに対して,それぞれ単語埋め込みと特徴エンコーダを導入し,ノード表現を行うルートアウェアアテンションモジュールを設計する。次に,構造相関を捉えるために木に似たrnnモデルを採用し,著者木とポストツリーのツリー表現を学習するための木認識アテンションモジュールを提案する。 2つの公開Twitterデータセットに対する大規模な実験結果から、BAETが噂の伝播構造を探索・活用し、最先端のベースライン法よりも優れたBAET検出性能を示した。

関連論文リスト

Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
論文参考訳（メタデータ） (2024-11-20T00:43:32Z)
Parse Trees Guided LLM Prompt Compression [20.61121589698341]
本稿では、PartPromptと呼ばれる新しい選択的圧縮手法を提案する。まず、言語規則に基づいて各文のパースツリーを取得し、パースツリーの各ノードのローカル情報エントロピーを算出する。実験によると、PartPromptはさまざまなデータセットで最先端のパフォーマンスを受信している。
論文参考訳（メタデータ） (2024-09-23T06:21:40Z)
Tree Prompting: Efficient Task Adaptation without Fine-Tuning [112.71020326388029]
Tree Promptingはプロンプトの決定ツリーを構築し、複数のLMコールをリンクしてタスクを解決する。分類データセットの実験により、Tree Promptingは競合するメソッドよりも精度が向上し、微調整と競合することが示された。
論文参考訳（メタデータ） (2023-10-21T15:18:22Z)
TreeFormer: a Semi-Supervised Transformer-based Framework for Tree Counting from a Single High Resolution Image [6.789370732159176]
単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
論文参考訳（メタデータ） (2023-07-12T12:19:36Z)
Hypotheses Tree Building for One-Shot Temporal Sentence Localization [53.82714065005299]
ワンショット時間文のローカライゼーション(ワンショットTSL)は、1つの注釈付きフレームだけでビデオ全体のクエリ情報を取得することを学習する。我々はMHST(Multiple hypotheses Segment Tree)と呼ばれるワンショットTSLのための有効で斬新な木構造ベースラインを提案する。 MHSTは、不十分なアノテーションの下で、クエリ対応の識別フレーム情報をキャプチャする。
論文参考訳（メタデータ） (2023-01-05T01:50:43Z)
RLET: A Reinforcement Learning Based Approach for Explainable QA with Entailment Trees [47.745218107037786]
本稿では,強化学習に基づくEntailment Tree生成フレームワークであるRLETを提案する。 RLETは文の選択と推論生成モジュールによる単一ステップ推論を反復的に行う。 EntailmentBankデータセットの3つの設定の実験では、RLフレームワークを使用することの強みが示されている。
論文参考訳（メタデータ） (2022-10-31T06:45:05Z)
A Weakly Supervised Propagation Model for Rumor Verification and Stance Detection with Multiple Instance Learning [8.659605626407245]
本稿では,2つの木構造型弱教師付きフレームワークについて,噂やスタンスを共同で分類する。クレームレベルの噂検出とポストレベルのスタンス分類の両モデルについて,最先端手法との比較を行った。
論文参考訳（メタデータ） (2022-04-06T07:07:06Z)
Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
本稿では,構成構文構造をグラフベースで組み込む手法を提案する。また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。 on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
論文参考訳（メタデータ） (2022-02-22T07:40:42Z)
Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文参考訳（メタデータ） (2021-02-11T08:48:48Z)
TopNet: Topology Preserving Metric Learning for Vessel Tree Reconstruction and Labelling [22.53041565779104]
本稿では,容器木再構築のための新しいディープラーニングアーキテクチャを提案する。ネットワークアーキテクチャは、同時に、血管中心線(すなわちノード)上のボクセルを検出するタスクを解決し、再建すべきツリー構造における中心ボクセル(エッジ)間の接続性を推定する。パブリックIRCADデータセットの徹底的な評価は,提案手法が既存のセマンティックセグメンテーション法よりもかなり優れていることを示している。
論文参考訳（メタデータ） (2020-09-18T07:55:58Z)

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。