論文の概要: Fake News Detection and Behavioral Analysis: Case of COVID-19
- arxiv url: http://arxiv.org/abs/2305.16057v1
- Date: Thu, 25 May 2023 13:42:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 14:48:38.917668
- Title: Fake News Detection and Behavioral Analysis: Case of COVID-19
- Title（参考訳）: 偽ニュースの検出と行動分析:新型コロナの事例
- Authors: Chih-Yuan Li, Navya Martin Kollapally, Soon Ae Chun, James Geller
- Abstract要約: パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。
読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
- 参考スコア（独自算出の注目度）: 0.22940141855172028
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While the world has been combating COVID-19 for over three years, an ongoing
"Infodemic" due to the spread of fake news regarding the pandemic has also been
a global issue. The existence of the fake news impact different aspect of our
daily lives, including politics, public health, economic activities, etc.
Readers could mistake fake news for real news, and consequently have less
access to authentic information. This phenomenon will likely cause confusion of
citizens and conflicts in society. Currently, there are major challenges in
fake news research. It is challenging to accurately identify fake news data in
social media posts. In-time human identification is infeasible as the amount of
the fake news data is overwhelming. Besides, topics discussed in fake news are
hard to identify due to their similarity to real news. The goal of this paper
is to identify fake news on social media to help stop the spread. We present
Deep Learning approaches and an ensemble approach for fake news detection. Our
detection models achieved higher accuracy than previous studies. The ensemble
approach further improved the detection performance. We discovered feature
differences between fake news and real news items. When we added them into the
sentence embeddings, we found that they affected the model performance. We
applied a hybrid method and built models for recognizing topics from posts. We
found half of the identified topics were overlapping in fake news and real
news, which could increase confusion in the population.
- Abstract（参考訳）: 世界は3年以上にわたり新型コロナウイルスと闘ってきたが、新型コロナウイルスに関する偽ニュースの拡散による「情報デミック」も世界的な問題となっている。
偽ニュースの存在は、政治、公衆衛生、経済活動など、私たちの日常生活のさまざまな側面に影響を与えます。
読者は偽ニュースを本物のニュースと間違えて、本物の情報へのアクセスを少なくすることができる。
この現象は市民の混乱と社会の対立を引き起こす可能性が高い。
現在、偽ニュース研究には大きな課題がある。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは難しい。
偽ニュースデータの量が圧倒的に多いため、リアルタイムの人間識別は不可能である。
さらに、フェイクニュースで議論されるトピックは、実際のニュースと類似性のため識別が難しい。
この論文の目的は、ソーシャルメディア上の偽ニュースを特定し、拡散を止めることにある。
本稿では、フェイクニュース検出のためのディープラーニングアプローチとアンサンブルアプローチを提案する。
検出モデルは従来の研究よりも精度が高かった。
アンサンブルアプローチにより検出性能はさらに向上した。
偽ニュースと本物のニュースアイテムの特徴の違いを発見した。
文埋め込みに追加すると、モデルのパフォーマンスに影響を与えていることが分かりました。
投稿からトピックを認識するためのハイブリッド手法と構築モデルを適用した。
特定されたトピックの半数がフェイクニュースとリアルニュースで重複していることがわかり、人口の混乱を増す可能性がある。
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) - 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) - FALSE: Fake News Automatic and Lightweight Solution [0.20999222360659603]
本稿では,現代のフェイクニュースデータセットの研究と可視化にR符号を用いた。
クラスタリング、分類、相関、およびさまざまなプロットを使用してデータを分析し、提示する。
論文 参考訳（メタデータ） (2022-08-16T11:53:30Z) - Towards Smart Fake News Detection Through Explainable AI [1.160208922584163]
今や人々はソーシャルメディアサイトを、その人気のために唯一の情報ソースと見なしている。
本稿では,現在のAIを用いたフェイクニュース検出モデルにおける落とし穴について論じ,マルチモーダルな説明可能なフェイクニュース検出モデルについて検討する。
論文 参考訳（メタデータ） (2022-07-23T10:48:45Z) - Combining Machine Learning with Knowledge Engineering to detect Fake
News in Social Networks-a survey [0.7120858995754653]
ニュースメディアやソーシャルメディアでは、情報は高速に拡散されるが、正確性がないため、検出メカニズムは偽ニュースの拡散に対処するのに十分な速さでニュースを予測することができる。
本稿では,フェイクニュースとは何か,フェイクニュースの重要性,さまざまな領域におけるフェイクニュースの全体的影響,ソーシャルメディア上でフェイクニュースを検出するさまざまな方法,問題を克服する上で有効な既存の検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-01-20T07:43:15Z) - Fake News Detection Tools and Methods -- A Review [0.0]
インターネット上で偽ニュースを検出するための様々なアプローチについて,近年の文献について論じる。
公開されているさまざまなデータセットと、利用可能なさまざまなオンラインツールを強調し、Fake Newsをリアルタイムでデバンクすることができる。
論文 参考訳（メタデータ） (2021-11-21T13:19:23Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - 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) - The Rise and Fall of Fake News sites: A Traffic Analysis [62.51737815926007]
偽ニュースサイトのオンラインプレゼンスを調査し、実際のニュースサイトと比較してその行動を特徴づけます。
そこで本研究では,偽ニュースサイトを自動的に検出するコンテンツ非依存のMLを構築した。
論文 参考訳（メタデータ） (2021-03-16T18:10:22Z) - 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) - 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)
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。