Fugu-MT 論文翻訳(概要): FACTIFY3M: A Benchmark for Multimodal Fact Verification with Explainability through 5W Question-Answering

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

Overview of Factify5WQA: Fact Verification through 5W Question-Answering [25.679348027485254]
Factify5WQAタスクは、偽ニュースの自動検出に向けた研究を強化することを目的としている。最高成績のチームは69.56%の精度でベースラインを35%上回った。
論文参考訳（メタデータ） (2024-10-05T17:28:18Z)
Correcting misinformation on social media with a large language model [14.69780455372507]
現実世界の誤報は、しばしばマルチモーダルであり、因果関係を混同するような様々な戦術で誤解を招くことがある。このような誤報は、特にソーシャルメディアにおいて、ひどく過小評価され、対処が困難であり、様々な社会的ドメインに害を与えている。本稿では,最新の情報へのアクセスと信頼性を付加したLCMであるMUSEを提案する。
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)
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。