論文の概要: 3HAN: A Deep Neural Network for Fake News Detection

• arxiv url: http://arxiv.org/abs/2306.12014v1
• Date: Wed, 21 Jun 2023 04:34:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 14:59:16.777361
• Title: 3HAN: A Deep Neural Network for Fake News Detection
• Title（参考訳）: 3HAN:フェイクニュース検出のためのディープニューラルネットワーク
• Authors: Sneha Singhania, Nigel Fernandez, Shrisha Rao
• Abstract要約: 我々は3段階の階層的注意ネットワーク(3HAN)を介して、ディープラーニングに基づく自動検知装置を用いて、フェイクニュースの迅速かつ正確な検出を行う。 3HANは3つのレベルを持ち、1つは単語、文、見出しであり、ニュースベクトルを構成する。 大規模な実世界のデータセットの実験により、96.77%の精度で3HANの有効性を観測した。
• 参考スコア（独自算出の注目度）: 7.678575259856195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid spread of fake news is a serious problem calling for AI solutions. We employ a deep learning based automated detector through a three level hierarchical attention network (3HAN) for fast, accurate detection of fake news. 3HAN has three levels, one each for words, sentences, and the headline, and constructs a news vector: an effective representation of an input news article, by processing an article in an hierarchical bottom-up manner. The headline is known to be a distinguishing feature of fake news, and furthermore, relatively few words and sentences in an article are more important than the rest. 3HAN gives a differential importance to parts of an article, on account of its three layers of attention. By experiments on a large real-world data set, we observe the effectiveness of 3HAN with an accuracy of 96.77%. Unlike some other deep learning models, 3HAN provides an understandable output through the attention weights given to different parts of an article, which can be visualized through a heatmap to enable further manual fact checking.
• Abstract（参考訳）: フェイクニュースの急速な普及は、AIソリューションを求める深刻な問題である。 我々は3段階の階層的注意ネットワーク(3HAN)を介して、ディープラーニングに基づく自動検知装置を用いて、フェイクニュースの迅速かつ正確な検出を行う。 3HANは、単語、文、見出しの3つのレベルを有し、階層的なボトムアップ方式で記事を処理することにより、入力されたニュース記事の効果的な表現であるニュースベクトルを構築する。 見出しは偽ニュースを区別する特徴として知られており、記事中の単語や文が他の記事よりも重要であることは比較的少ない。 3HANはその3つの注意層を考慮して、記事の一部に異なる重要性を与える。 大規模な実世界のデータセットの実験により、96.77%の精度で3HANの有効性を観測した。 他のディープラーニングモデルとは異なり、3HANは、記事の異なる部分に与えられる注意重みを通して理解可能な出力を提供する。

関連論文リスト

• Detection of Human and Machine-Authored Fake News in Urdu [2.013675429941823]
  ソーシャルメディアは偽ニュースの拡散を増幅した。 従来の偽ニュース検出手法は、言語的手がかりに依存しているため、効果が低くなる。 精度とロバスト性を改善するため,階層的検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-25T12:42:07Z)
• 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)
• 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)
• 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)
• Development of Fake News Model using Machine Learning through Natural Language Processing [0.7120858995754653]
  機械学習アルゴリズムとフェイクニュースの識別に使用しています。 フェイクニュース検出では、単純な分類が完全に正しいわけではない。 機械学習とテキストベースの処理を統合することで、偽ニュースを検出することができる。
  論文  参考訳（メタデータ） (2022-01-19T09:26:15Z)
• Multi-attentional Deepfake Detection [79.80308897734491]
  ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。 新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。 具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
  論文  参考訳（メタデータ） (2021-03-03T13:56:14Z)
• Hierarchical Multi-head Attentive Network for Evidence-aware Fake News Detection [11.990139228037124]
  本稿では,テキストクレームのファクトチェックのための階層型マルチヘッド注意ネットワークを提案する。 本モデルでは,単語レベルとエビデンスレベルの両方の説明を支援する多頭部単語レベルと多頭部文書レベルアテンションを併用する。
  論文  参考訳（メタデータ） (2021-02-04T15:18:44Z)
• 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)

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。