論文の概要: Emulating Reader Behaviors for Fake News Detection
- arxiv url: http://arxiv.org/abs/2306.15231v1
- Date: Tue, 27 Jun 2023 06:14:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 14:29:56.357638
- Title: Emulating Reader Behaviors for Fake News Detection
- Title（参考訳）: 偽ニュース検出のための読者行動のエミュレート
- Authors: Junwei Yin, Min Gao, Kai Shu, Zehua Zhao, Yinqiu Huang, Jia Wang
- Abstract要約: ソーシャルメディア上でのフェイクニュース検出において,読者の行動(Ember)をエミュレートする手法を提案する。
Emberは、読者の読み書きと検証プロセスを組み込んで、コンポーネントの観点からニュースをモデル化する。
実世界の9つのデータセットについて広範な実験を行い、その結果がEmberの優位性を示している。
- 参考スコア（独自算出の注目度）: 13.797043083894968
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The wide dissemination of fake news has affected our lives in many aspects,
making fake news detection important and attracting increasing attention.
Existing approaches make substantial contributions in this field by modeling
news from a single-modal or multi-modal perspective. However, these modal-based
methods can result in sub-optimal outcomes as they ignore reader behaviors in
news consumption and authenticity verification. For instance, they haven't
taken into consideration the component-by-component reading process: from the
headline, images, comments, to the body, which is essential for modeling news
with more granularity. To this end, we propose an approach of Emulating the
behaviors of readers (Ember) for fake news detection on social media,
incorporating readers' reading and verificating process to model news from the
component perspective thoroughly. Specifically, we first construct
intra-component feature extractors to emulate the behaviors of semantic
analyzing on each component. Then, we design a module that comprises
inter-component feature extractors and a sequence-based aggregator. This module
mimics the process of verifying the correlation between components and the
overall reading and verification sequence. Thus, Ember can handle the news with
various components by emulating corresponding sequences. We conduct extensive
experiments on nine real-world datasets, and the results demonstrate the
superiority of Ember.
- Abstract（参考訳）: フェイクニュースの普及は、多くの面で私たちの生活に影響を与え、フェイクニュースの検出が重要になり、注目を集めています。
既存のアプローチでは、単一モーダルあるいはマルチモーダルの観点からニュースをモデル化することでこの分野に多大な貢献をしている。
しかし、これらのモーダルベースの手法は、ニュース消費における読者の行動を無視し、正当性検証を行うため、準最適結果をもたらす可能性がある。
例えば、記事の見出し、画像、コメント、体に至るまで、コンポーネントごとの読み込みプロセスは考慮していません。
そこで本研究では,ソーシャルメディア上での偽ニュース検出に対する読者の行動(ember)を模倣する手法を提案する。
具体的には、まずコンポーネント内特徴抽出器を構築し、各コンポーネントのセマンティック分析の振る舞いをエミュレートする。
そこで我々は,コンポーネント間特徴抽出器とシーケンスベースアグリゲータを組み合わせたモジュールを設計する。
このモジュールは、コンポーネントと全体の読み取りと検証シーケンスの相関を検証するプロセスを模倣する。
従って、Emberは対応するシーケンスをエミュレートすることで、様々なコンポーネントでニュースを処理できる。
実世界の9つのデータセットについて広範な実験を行い、その結果がEmberの優位性を示している。
関連論文リスト
- AMPLE: Emotion-Aware Multimodal Fusion Prompt Learning for Fake News Detection [0.1499944454332829]
本稿では,Emotion-textbfAware textbfMultimodal Fusion textbfPrompt textbfLtextbfEarning (textbfAMPLE) フレームワークについて述べる。
このフレームワークは感情分析ツールを利用してテキストから感情要素を抽出する。
次に、マルチヘッドクロスアテンション(MCA)機構と類似性を考慮した融合手法を用いて、マルチモーダルデータを統合する。
論文 参考訳（メタデータ） (2024-10-21T02:19:24Z) - MSynFD: Multi-hop Syntax aware Fake News Detection [27.046529059563863]
ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。
既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。
本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
論文 参考訳（メタデータ） (2024-02-18T05:40:33Z) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - Named Entity and Relation Extraction with Multi-Modal Retrieval [51.660650522630526]
マルチモーダルな名前付きエンティティ認識(NER)と関係抽出(RE)は、関連画像情報を活用してNERとREの性能を向上させることを目的としている。
新たなマルチモーダル検索フレームワーク(MoRe)を提案する。
MoReはテキスト検索モジュールと画像ベースの検索モジュールを含み、入力されたテキストと画像の関連知識をそれぞれ知識コーパスで検索する。
論文 参考訳（メタデータ） (2022-12-03T13:11:32Z) - DoubleMix: Simple Interpolation-Based Data Augmentation for Text
Classification [56.817386699291305]
本稿では,DoubleMixと呼ばれる単純なデータ拡張手法を提案する。
DoubleMixはまず、トレーニングデータごとにいくつかの摂動サンプルを生成する。
次に、摂動データと元のデータを使って、隠れたニューラルネットワークの空間で2段階のステップを実行する。
論文 参考訳（メタデータ） (2022-09-12T15:01:04Z) - Learning Audio-Visual embedding for Wild Person Verification [18.488385598522125]
本稿では,融合の観点からアグリゲータを考慮した音声視覚ネットワークを提案する。
顔認証において初めて注意統計のプールを改良した。
最後に、モダリティをゲートアテンション機構で融合する。
論文 参考訳（メタデータ） (2022-09-09T02:29:47Z) - TRIE++: Towards End-to-End Information Extraction from Visually Rich
Documents [51.744527199305445]
本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。
テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。
フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
論文 参考訳（メタデータ） (2022-07-14T08:52:07Z) - Fashionformer: A simple, Effective and Unified Baseline for Human
Fashion Segmentation and Recognition [80.74495836502919]
本研究では,共同ファッションセグメンテーションと属性認識に着目した。
本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。
属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
論文 参考訳（メタデータ） (2022-04-10T11:11:10Z) - Twitter Referral Behaviours on News Consumption with Ensemble Clustering
of Click-Stream Data in Turkish Media [2.9005223064604078]
本研究は,Twitter のレファレンスに追随するニュース消費パターンを識別するために,組織ウェブサイトにおける読者のクリック活動について調査する。
調査は、ログデータをニュースコンテンツとリンクして洞察を深めることで、幅広い視点に展開されている。
論文 参考訳（メタデータ） (2022-02-04T09:57:13Z) - Few-Shot Learning for Opinion Summarization [117.70510762845338]
オピニオン要約は、複数の文書で表現された主観的な情報を反映したテキストの自動生成である。
本研究では,要約テキストの生成をブートストラップするのには,少数の要約でも十分であることを示す。
提案手法は, 従来の抽出法および抽象法を, 自動的, 人的評価において大きく上回っている。
論文 参考訳（メタデータ） (2020-04-30T15:37:38Z) - Self-Attention Attribution: Interpreting Information Interactions Inside
Transformer [89.21584915290319]
本稿では,トランスフォーマー内の情報相互作用を解釈する自己帰属属性法を提案する。
本研究は,BERT に対する非目標攻撃の実装において,その属性を敵対パターンとして用いることができることを示す。
論文 参考訳（メタデータ） (2020-04-23T14:58:22Z)
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。