論文の概要: X-CapsNet For Fake News Detection
- arxiv url: http://arxiv.org/abs/2307.12332v1
- Date: Sun, 23 Jul 2023 13:58:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 16:41:18.586318
- Title: X-CapsNet For Fake News Detection
- Title（参考訳）: フェイクニュース検出のためのX-CapsNet
- Authors: Mohammad Hadi Goldani, Reza Safabakhsh, and Saeedeh Momtazi
- Abstract要約: 偽ニュースを自動的に検出し、対処するための機械学習モデルを持つことが望まれる。
本稿では, X-CapsNet と呼ばれる Capsule Neural Networks (CapsNet) を用いたトランスフォーマーモデルを提案する。
Covid-19データセットのF1スコアとLiarデータセットの精度から見ると、モデルは最先端のベースラインよりも優れたパフォーマンスを示している。
- 参考スコア（独自算出の注目度）: 0.5735035463793008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: News consumption has significantly increased with the growing popularity and
use of web-based forums and social media. This sets the stage for misinforming
and confusing people. To help reduce the impact of misinformation on users'
potential health-related decisions and other intents, it is desired to have
machine learning models to detect and combat fake news automatically. This
paper proposes a novel transformer-based model using Capsule neural
Networks(CapsNet) called X-CapsNet. This model includes a CapsNet with dynamic
routing algorithm paralyzed with a size-based classifier for detecting short
and long fake news statements. We use two size-based classifiers, a Deep
Convolutional Neural Network (DCNN) for detecting long fake news statements and
a Multi-Layer Perceptron (MLP) for detecting short news statements. To resolve
the problem of representing short news statements, we use indirect features of
news created by concatenating the vector of news speaker profiles and a vector
of polarity, sentiment, and counting words of news statements. For evaluating
the proposed architecture, we use the Covid-19 and the Liar datasets. The
results in terms of the F1-score for the Covid-19 dataset and accuracy for the
Liar dataset show that models perform better than the state-of-the-art
baselines.
- Abstract（参考訳）: ウェブベースのフォーラムやソーシャルメディアの普及に伴い、ニュースの消費は大幅に増加した。
これは、人々に誤解を与え、混乱させる舞台となる。
ユーザの健康関連判断やその他の意図に対する誤った情報の影響を減らすために、フェイクニュースを自動的に検出し、対処するための機械学習モデルが望まれる。
本稿では, X-CapsNet と呼ばれる Capsule Neural Networks (CapsNet) を用いたトランスフォーマーモデルを提案する。
このモデルには、短くて長いフェイクニュース文を検出するサイズベースの分類器をパラライズした動的ルーティングアルゴリズムを備えたcapsnetが含まれている。
2つのサイズベースの分類器と、長い偽ニュース文を検出するディープ畳み込みニューラルネットワーク(dcnn)と、短いニュース文を検出する多層パーセプトロン(mlp)を使用する。
短いニュース文の表現の問題を解決するために、ニュース話者プロファイルのベクトルと、ニュース文の極性、感情、カウントのベクトルを連結した間接的なニュース特徴を用いる。
提案するアーキテクチャを評価するために、covid-19とliarデータセットを使用する。
Covid-19データセットのF1スコアとLiarデータセットの精度から見ると、モデルは最先端のベースラインよりも優れたパフォーマンスを示している。
関連論文リスト
- 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) - A Coarse-to-fine Cascaded Evidence-Distillation Neural Network for
Explainable Fake News Detection [15.517424861844317]
既存のフェイクニュース検出手法は、ニュースの一部を真または偽と分類し、説明を提供することを目的としており、優れたパフォーマンスを達成している。
あるニュースが事実確認され、あるいは公表されていない場合、関連する生のレポートは、通常、様々なメディアに散発的に配信される。
そこで本稿では, 偽ニュース検出のためのニューラルネットワークCofCED(Coarse-to-fine Cascaded Evidence-Distillation)を提案する。
論文 参考訳（メタデータ） (2022-09-29T09:05:47Z) - An Automated News Bias Classifier Using Caenorhabditis Elegans Inspired
Recursive Feedback Network Architecture [0.0]
記事にバイアス分類を割り当てる際の人間レベルの精度を実現するネットワークアーキテクチャを提案する。
このモデルは、AllSides.comから取り除かれた10以上の記事に基づいて訓練され、政治的偏見を示すようにラベル付けされている。
論文 参考訳（メタデータ） (2022-07-26T08:26:26Z) - 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) - BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by
Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。
結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文 参考訳（メタデータ） (2021-03-14T20:43:19Z) - Adversarial Active Learning based Heterogeneous Graph Neural Network for
Fake News Detection [18.847254074201953]
新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。
AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。
2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
論文 参考訳（メタデータ） (2021-01-27T05:05:25Z) - Evaluating Deep Learning Approaches for Covid19 Fake News Detection [0.0]
データマイニングの観点から、偽ニュース検出の自動化技術を検討します。
Contraint@AAAI 2021 Covid-19 Fakeニュース検出データセットで異なる教師付きテキスト分類アルゴリズムを評価します。
Covid-19 Fakeニュース検出データセットで98.41%の最高の精度を報告する。
論文 参考訳（メタデータ） (2021-01-11T16:39:03Z) - Overcoming Catastrophic Forgetting in Graph Neural Networks [50.900153089330175]
破滅的な忘れは、ニューラルネットワークが新しいタスクを学ぶ前に学んだ知識を「忘れる」傾向を指します。
本稿では,この問題を克服し,グラフニューラルネットワーク(GNN)における継続学習を強化するための新しいスキームを提案する。
私たちのアプローチの中心には、トポロジ認識重量保存(TWP)と呼ばれる汎用モジュールがあります。
論文 参考訳（メタデータ） (2020-12-10T22:30:25Z) - Fake News Detection on News-Oriented Heterogeneous Information Networks
through Hierarchical Graph Attention [12.250335118888891]
階層型グラフ注意ネットワーク(HGAT)という,新たなフェイクニュース検出フレームワークを提案する。
HGATは、新しい階層的な注意機構を使用して、HINでノード表現学習を行い、ニュース記事ノードを分類することでフェイクニュースを検出する。
2つの実世界のフェイクニュースデータセットの実験は、HGATがテキストベースのモデルや他のネットワークベースのモデルより優れていることを示している。
論文 参考訳（メタデータ） (2020-02-05T19:09:13Z) - Approximation and Non-parametric Estimation of ResNet-type Convolutional
Neural Networks [52.972605601174955]
本稿では,ResNet型CNNが重要な関数クラスにおいて最小誤差率を達成可能であることを示す。
Barron と H'older のクラスに対する前述のタイプの CNN の近似と推定誤差率を導出する。
論文 参考訳（メタデータ） (2019-03-24T19:42:39Z)
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。