論文の概要: FACTIFY3M: A Benchmark for Multimodal Fact Verification with
Explainability through 5W Question-Answering
- arxiv url: http://arxiv.org/abs/2306.05523v2
- Date: Tue, 31 Oct 2023 01:51:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 23:43:19.210124
- Title: FACTIFY3M: A Benchmark for Multimodal Fact Verification with
Explainability through 5W Question-Answering
- Title（参考訳）: FACTIFY3M:5W質問回答による説明可能性付きマルチモーダルファクト検証ベンチマーク
- Authors: Megha Chakraborty, Khushbu Pahwa, Anku Rani, Shreyas Chatterjee, Dwip
Dalal, Harshit Dave, Ritvik G, Preethi Gurumurthy, Adarsh Mahor, Samahriti
Mukherjee, Aditya Pakala, Ishan Paul, Janvita Reddy, Arghya Sarkar, Kinjal
Sensharma, Aman Chadha, Amit P. Sheth, Amitava Das
- Abstract要約: FACTIFY 3Mは300万のサンプルのデータセットで、マルチモーダルなフェイクニュースデータセットを通じて事実検証の境界を押し上げる。
このデータセットは、5W質問回答という概念を通じて説明可能性を提供する。
- 参考スコア（独自算出の注目度）: 9.848590596378543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Combating disinformation is one of the burning societal crises -- about 67%
of the American population believes that disinformation produces a lot of
uncertainty, and 10% of them knowingly propagate disinformation. Evidence shows
that disinformation can manipulate democratic processes and public opinion,
causing disruption in the share market, panic and anxiety in society, and even
death during crises. Therefore, disinformation should be identified promptly
and, if possible, mitigated. With approximately 3.2 billion images and 720,000
hours of video shared online daily on social media platforms, scalable
detection of multimodal disinformation requires efficient fact verification.
Despite progress in automatic text-based fact verification (e.g., FEVER, LIAR),
the research community lacks substantial effort in multimodal fact
verification. To address this gap, we introduce FACTIFY 3M, a dataset of 3
million samples that pushes the boundaries of the domain of fact verification
via a multimodal fake news dataset, in addition to offering explainability
through the concept of 5W question-answering. Salient features of the dataset
include: (i) textual claims, (ii) ChatGPT-generated paraphrased claims, (iii)
associated images, (iv) stable diffusion-generated additional images (i.e.,
visual paraphrases), (v) pixel-level image heatmap to foster image-text
explainability of the claim, (vi) 5W QA pairs, and (vii) adversarial fake news
stories.
- Abstract（参考訳）: アメリカの人口の約67%は、偽情報は多くの不確実性を生んでいると信じており、そのうち10%は故意に偽情報を伝播している。
証拠は、偽情報が民主的なプロセスや世論を操り、市場を混乱させ、社会のパニックと不安を生じさせ、危機時に死に至ることを示唆している。
したがって、偽情報を迅速に特定し、可能であれば軽減すべきである。
ソーシャルメディアプラットフォーム上で毎日320億枚の画像と72万時間の動画が共有されているため、マルチモーダル情報のスケーラブルな検出には効果的な事実検証が必要である。
自動テキストベースの事実検証(FEVER、LIARなど)の進歩にもかかわらず、研究コミュニティはマルチモーダルな事実検証にかなりの努力を払っていない。
このギャップに対処するために、我々はFACTIFY 3Mという300万個のサンプルのデータセットを導入し、マルチモーダルなフェイクニュースデータセットを通じて事実検証領域の境界を押し上げるとともに、5W質問応答の概念による説明可能性を提供する。
データセットの有能な特徴は以下のとおりである。
(i)テキストクレーム
(ii)chatgptが生成したパラフラッシドクレーム
(iii)関連画像、
(iv)安定な拡散生成付加像(視覚パラフラス)
(v)クレームの画像テキスト説明可能性を高める画素レベルの画像ヒートマップ
(vi)5WQAペア、及び
(vii)敵対的な偽ニュース。
関連論文リスト
- Correcting misinformation on social media with a large language model [14.69780455372507]
偽情報の高品質でタイムリーな修正は、偽の信念を効果的に減らすために、その正確さを識別し、説明する。
本稿では,誤情報訂正品質の13次元について,識別精度や説明の事実性から参照の関連性,信頼性までについて検討し,評価する。
その結果、MUSEはソーシャルメディア上で、潜在的な誤情報に対する高品質な応答を迅速に書けることを示した。
論文 参考訳（メタデータ） (2024-03-17T10:59:09Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - Multimodal Automated Fact-Checking: A Survey [20.533353006768497]
マルチモーダルな誤報は、人間がより信頼しやすく、テキストのみの誤報よりも速く拡散すると考えられている。
マルチモーダル誤報に特有のサブタスクを含む,自動ファクトチェック(AFC)のためのフレームワークを概念化する。
実世界のファクトチェックで一般的な4つのモダリティ(テキスト、画像、オーディオ、ビデオ)に焦点を当てる。
論文 参考訳（メタデータ） (2023-05-22T21:52:24Z) - DisinfoMeme: A Multimodal Dataset for Detecting Meme Intentionally
Spreading Out Disinformation [72.18912216025029]
偽情報ミームの検出を支援するためにDisinfoMemeを提案する。
このデータセットには、COVID-19パンデミック、Black Lives Matter運動、ベジタリアン/ベジタリアンという3つのトピックをカバーするRedditのミームが含まれている。
論文 参考訳（メタデータ） (2022-05-25T09:54:59Z) - DISCO: Comprehensive and Explainable Disinformation Detection [71.5283511752544]
我々はdisCOと呼ばれる包括的で説明可能な偽情報検出フレームワークを提案する。
実世界のフェイクニュース検出タスクにおいて,disCOを満足な検出精度と説明力で実演する。
当社のデモは、識別性、理解性、説明可能性の限界に対処するための道を開くことを期待しています。
論文 参考訳（メタデータ） (2022-03-09T18:17:25Z) - SOK: Fake News Outbreak 2021: Can We Stop the Viral Spread? [5.64512235559998]
ソーシャルネットワークの完全解釈と使いやすさは、今日の世界での情報の生成と配布に革命をもたらした。
従来のメディアチャンネルとは異なり、ソーシャルネットワークは偽情報や偽情報の拡散を迅速かつ広範囲に促進する。
虚偽情報の拡散は、大衆の行動、態度、信念に深刻な影響を及ぼす。
論文 参考訳（メタデータ） (2021-05-22T09:26:13Z) - 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) - On the Role of Images for Analyzing Claims in Social Media [3.8142537449670963]
本稿では,クレーム,クレームチェック性,共謀検出の課題に対する視覚的,テキスト的,マルチモーダルモデルに関する実証研究を行う。
最近の研究は、画像はテキストよりも影響力があり、しばしば偽のテキストと共に現れることを示唆している。
論文 参考訳（メタデータ） (2021-03-17T12:40:27Z) - 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) - 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) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。