論文の概要: Deception Detection with Feature-Augmentation by soft Domain Transfer

• arxiv url: http://arxiv.org/abs/2305.01011v1
• Date: Mon, 1 May 2023 18:00:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 16:30:13.031293
• Title: Deception Detection with Feature-Augmentation by soft Domain Transfer
• Title（参考訳）: ソフトドメイン転送による特徴提示による誤認検出
• Authors: Sadat Shahriar, Arjun Mukherjee, Omprakash Gnawali
• Abstract要約: 本稿では,ニューラルモデルの中間層表現を利用した機能拡張手法を提案する。 ツイートはFake NewsやPhishing Emailの最も有用な情報提供者であり、NewsはTweet Rumorの発見に最も役立っている。
• 参考スコア（独自算出の注目度）: 4.71603441680044
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this era of information explosion, deceivers use different domains or mediums of information to exploit the users, such as News, Emails, and Tweets. Although numerous research has been done to detect deception in all these domains, information shortage in a new event necessitates these domains to associate with each other to battle deception. To form this association, we propose a feature augmentation method by harnessing the intermediate layer representation of neural models. Our approaches provide an improvement over the self-domain baseline models by up to 6.60%. We find Tweets to be the most helpful information provider for Fake News and Phishing Email detection, whereas News helps most in Tweet Rumor detection. Our analysis provides a useful insight for domain knowledge transfer which can help build a stronger deception detection system than the existing literature.
• Abstract（参考訳）: 情報爆発の時代では、発信者は異なるドメインや情報媒体を使用して、ニュース、メール、ツイートなどのユーザーを搾取する。 これらすべてのドメインにおける偽装を検出するために多くの研究がなされているが、新しいイベントにおける情報不足は、偽装と戦うためにこれらのドメインを関連付ける必要がある。 この結合を形成するために,ニューラルモデルの中間層表現を利用する特徴拡張法を提案する。 我々のアプローチは、自己ドメインベースラインモデルに対して最大6.60%の改善を提供します。 ツイートは偽ニュースやフィッシングメールの検出に最も役立つ情報提供者であり、一方、ニュースはツイートのうわさ検出に最も役立つ。 この分析は、既存の文献よりもより強力な誤解検出システムを構築するのに役立つドメイン知識伝達の有用な洞察を提供する。

関連論文リスト

• FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
  FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。 ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。 過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
  論文  参考訳（メタデータ） (2022-12-13T11:17:32Z)
• 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)
• Improving Fake News Detection of Influential Domain via Domain- and Instance-Level Transfer [16.886024206337257]
  フェイクニュース検出(DITFEND)のためのドメインレベルおよびインスタンスレベルの転送フレームワークを提案する。 DITFENDは特定のターゲットドメインの性能を向上させることができる。 オンライン実験は、現実世界のシナリオにおいて、ベースモデルにさらなる改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2022-09-19T10:21:13Z)
• 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)
• A cross-domain recommender system using deep coupled autoencoders [77.86290991564829]
  クロスドメインレコメンデーションのために2つの新しい結合型オートエンコーダに基づくディープラーニング手法を提案する。 最初の方法は、ソースドメインとターゲットドメイン内のアイテムの固有表現を明らかにするために、一対のオートエンコーダを同時に学習することを目的としている。 第2の方法は,2つのオートエンコーダを用いてユーザとアイテム待ち行列を深く非線形に生成する,新たな共同正規化最適化問題に基づいて導出する。
  論文  参考訳（メタデータ） (2021-12-08T15:14:26Z)
• A Review of Web Infodemic Analysis and Detection Trends across Multi-modalities using Deep Neural Networks [3.42658286826597]
  フェイクニュース検出は最も分析され、顕著な研究分野の1つである。 Facebook、Reddit、WhatsApp、YouTube、その他のソーシャルアプリケーションは、この新興分野で徐々に注目を集めている。 このレビューは主に、画像、ビデオ、およびそれらのテキストの組み合わせを含むマルチモーダルフェイクニュース検出技術を扱う。
  論文  参考訳（メタデータ） (2021-11-23T16:02:28Z)
• Embracing Domain Differences in Fake News: Cross-domain Fake News Detection using Multi-modal Data [18.66426327152407]
  異なるドメインの偽ニュースを検出するために、ニュースレコードにドメイン固有の知識とクロスドメインの知識を共同で保存する新しいフレームワークを提案する。 提案する偽ニュースモデルと選択的アノテーションアプローチの統合が,クロスドメインニュースデータセットの最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-02-11T23:31:14Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
  我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。 人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。 実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-15T23:57:36Z)
• A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
  複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。 我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
  論文  参考訳（メタデータ） (2020-05-11T09:07:46Z)

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。