Fugu-MT 論文翻訳(概要): Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak Signals

論文の概要: Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak Signals

arxiv url: http://arxiv.org/abs/2305.11349v1
Date: Thu, 18 May 2023 23:49:31 GMT
ステータス: 処理完了
システム内更新日: 2023-05-22 17:01:24.923709
Title: Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak Signals
Title（参考訳）: マルチモーダル弱信号を用いた非教師なしドメイン非依存偽ニュース検出
Authors: Amila Silva, Ling Luo, Shanika Karunasekera, Christopher Leckie
Abstract要約: 本研究は,4つのモダリティで利用可能な知識をニュースレコードに埋め込んだ,教師なしフェイクニュース検出のための効果的なフレームワークを提案する。また,既存のニュースデータセットの潜伏バイアスを最小限に抑えたニュースデータセット構築手法を提案する。 LUND-COVIDを使って提案した教師なしフレームワークをトレーニングし、大規模データセットの可能性を活用した。
参考スコア（独自算出の注目度）: 19.22829945777267
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The emergence of social media as one of the main platforms for people to access news has enabled the wide dissemination of fake news. This has motivated numerous studies on automating fake news detection. Although there have been limited attempts at unsupervised fake news detection, their performance suffers due to not exploiting the knowledge from various modalities related to news records and due to the presence of various latent biases in the existing news datasets. To address these limitations, this work proposes an effective framework for unsupervised fake news detection, which first embeds the knowledge available in four modalities in news records and then proposes a novel noise-robust self-supervised learning technique to identify the veracity of news records from the multi-modal embeddings. Also, we propose a novel technique to construct news datasets minimizing the latent biases in existing news datasets. Following the proposed approach for dataset construction, we produce a Large-scale Unlabelled News Dataset consisting 419,351 news articles related to COVID-19, acronymed as LUND-COVID. We trained the proposed unsupervised framework using LUND-COVID to exploit the potential of large datasets, and evaluate it using a set of existing labelled datasets. Our results show that the proposed unsupervised framework largely outperforms existing unsupervised baselines for different tasks such as multi-modal fake news detection, fake news early detection and few-shot fake news detection, while yielding notable improvements for unseen domains during training.
Abstract（参考訳）: ニュースにアクセスするための主要なプラットフォームの一つとしてソーシャルメディアが出現したことで、フェイクニュースが広く普及した。これは偽ニュース検出の自動化に関する多くの研究を動機付けている。教師なしの偽ニュース検出の試みは限られているが、その性能は、ニュース記録に関連する様々なモダリティの知識を活用せず、既存のニュースデータセットに様々な潜在バイアスが存在するためである。そこで本研究では,非教師付き偽ニュース検出のための効果的なフレームワークを提案する。まず,ニュースレコードの4つのモダリティに利用可能な知識を組込み,次に,マルチモーダル組込みからニュースレコードの有効性を識別する,ノイズロバスト自己教師付き学習手法を提案する。また,既存のニュースデータセットの潜在バイアスを最小化するニュースデータセットを構築する新しい手法を提案する。提案手法に従って,LUND-COVIDと略される新型コロナウイルス関連ニュース記事419,351件からなる大規模未ラベルニュースデータセットを作成した。 LUND-COVIDを用いて提案した教師なしフレームワークをトレーニングし,既存のラベル付きデータセットを用いて評価した。提案手法は,マルチモーダルなフェイクニュース検出,フェイクニュース早期検出,数発のフェイクニュース検出など,既存の教師なしベースラインよりも優れており,トレーニング中に未確認領域に顕著な改善が得られた。

関連論文リスト

Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文参考訳（メタデータ） (2023-09-28T13:19:43Z)
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)
A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。 MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
論文参考訳（メタデータ） (2022-06-01T21:25:21Z)
Multimodal Emergent Fake News Detection via Meta Neural Process Networks [36.52739834391597]
本稿では,MetaFENDというフェイクニュース検出フレームワークを提案する。具体的には、メタラーニングとニューラルプロセスの手法を統合したモデルを提案する。 TwitterとWeiboから収集したマルチメディアデータセットに対して、大規模な実験が行われた。
論文参考訳（メタデータ） (2021-06-22T21:21:29Z)
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)
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)
Connecting the Dots Between Fact Verification and Fake News Detection [21.564628184287173]
本稿では,事実検証と偽ニュース検出の点を結合する,シンプルで効果的な手法を提案する。提案手法は,最近の事実検証モデルの成功を活用し,ゼロショットフェイクニュースの検出を可能にする。
論文参考訳（メタデータ） (2020-10-11T09:28:52Z)
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)
Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文参考訳（メタデータ） (2020-04-03T18:26:33Z)
Weak Supervision for Fake News Detection via Reinforcement Learning [34.448503443582396]
本稿では,弱教師付きフェイクニュース検出フレームワークWeFENDを提案する。提案するフレームワークは,アノテータ,強化セレクタ,フェイクニュース検出器の3つの主要コンポーネントで構成されている。 WeChatの公式アカウントと関連するユーザレポートを通じて発行された大量のニュース記事に対して,提案したフレームワークを検証した。
論文参考訳（メタデータ） (2019-12-28T21:20:25Z)

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。