論文の概要: FakeSwarm: Improving Fake News Detection with Swarming Characteristics
- arxiv url: http://arxiv.org/abs/2305.19194v1
- Date: Tue, 30 May 2023 16:39:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 15:05:54.042005
- Title: FakeSwarm: Improving Fake News Detection with Swarming Characteristics
- Title（参考訳）: FakeSwarm:スワーミング特性によるフェイクニュース検出の改善
- Authors: Jun Wu and Xuesong Ye
- Abstract要約: 本稿では,偽ニュースの群れ特性を利用した偽ニュース識別システムであるFakeSwarmを紹介する。
偽ニュース識別にSwarm機能を組み込むことの有効性を実証し,f1スコアと精度を97%以上とした。
- 参考スコア（独自算出の注目度）: 5.181694326117474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The proliferation of fake news poses a serious threat to society, as it can
misinform and manipulate the public, erode trust in institutions, and undermine
democratic processes. To address this issue, we present FakeSwarm, a fake news
identification system that leverages the swarming characteristics of fake news.
To extract the swarm behavior, we propose a novel concept of fake news swarming
characteristics and design three types of swarm features, including principal
component analysis, metric representation, and position encoding. We evaluate
our system on a public dataset and demonstrate the effectiveness of
incorporating swarm features in fake news identification, achieving an f1-score
and accuracy of over 97% by combining all three types of swarm features.
Furthermore, we design an online learning pipeline based on the hypothesis of
the temporal distribution pattern of fake news emergence, validated on a topic
with early emerging fake news and a shortage of text samples, showing that
swarm features can significantly improve recall rates in such cases. Our work
provides a new perspective and approach to fake news detection and highlights
the importance of considering swarming characteristics in detecting fake news.
- Abstract（参考訳）: フェイクニュースの拡散は社会に深刻な脅威をもたらし、大衆を誤解させ、操作し、機関への信頼を失わせ、民主的プロセスを損なう可能性がある。
この問題に対処するため,偽ニュースのスワーミング特性を利用した偽ニュース識別システムであるFakeSwarmを提案する。
そこで,本研究では,疑似ニューススワーミング特性の新たな概念を提案し,主成分分析,メートル法表現,位置符号化を含む3種類のスワーミング特徴を設計する。
本研究では,これら3種類のSwarm特徴を組み合わせ,f1スコアと97%以上の精度を達成し,偽ニュース識別にSwarm特徴を組み込むことの有効性を実証した。
さらに,フェイクニュース発生の時間分布パターンの仮説に基づいたオンライン学習パイプラインを設計し,初期のフェイクニュースやテキストサンプルの不足といった話題に基づいて検証し,これらの事例のリコール率を大幅に向上させることができることを示す。
本研究は,偽ニュース検出に対する新たな視点とアプローチを提供し,偽ニュース検出におけるスワーミング特性の考察の重要性を強調した。
関連論文リスト
- FakeGPT: Fake News Generation, Explanation and Detection of Large Language Models [18.543917359268345]
ChatGPTはその例外的な自然言語処理能力のために大きな注目を集めている。
フェイクニュースサンプルの生成に4つのプロンプト手法を用いて,自己評価と人的評価の両面から,これらのサンプルの品質を実証する。
偽ニュースを識別するChatGPTの能力について検討し,その性能向上のための理由認識プロンプト手法を提案する。
論文 参考訳（メタデータ） (2023-10-08T07:01:07Z) - 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) - Modelling Social Context for Fake News Detection: A Graph Neural Network
Based Approach [0.39146761527401425]
フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。
本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
論文 参考訳（メタデータ） (2022-07-27T12:58:33Z) - 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) - Explainable Tsetlin Machine framework for fake news detection with
credibility score assessment [16.457778420360537]
本稿では,最近導入されたTsetlin Machine (TM) に基づく,新たな解釈可能な偽ニュース検出フレームワークを提案する。
我々は、TMの接続節を用いて、真偽のニューステキストの語彙的および意味的特性をキャプチャする。
評価のために、PolitiFactとGossipCopという2つの公開データセットで実験を行い、TMフレームワークが以前公開されたベースラインを大幅に上回っていることを示す。
論文 参考訳（メタデータ） (2021-05-19T13:18:02Z) - 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) - 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) - Modeling the spread of fake news on Twitter [2.7910505923792637]
本稿では,Twitter上での偽ニュース拡散のポイントプロセスモデルを提案する。
提案手法は,偽ニュース項目の拡散の進化を正確に予測する上で,現在の最先端手法よりも優れていることを示す。
提案モデルは,ソーシャルメディア上での偽ニュース拡散のダイナミクスの理解に寄与する。
論文 参考訳（メタデータ） (2020-07-28T08:28:16Z) - 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)
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。