論文の概要: Fake News Detection Through Graph-based Neural Networks: A Survey

• arxiv url: http://arxiv.org/abs/2307.12639v1
• Date: Mon, 24 Jul 2023 09:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 14:51:24.787180
• Title: Fake News Detection Through Graph-based Neural Networks: A Survey
• Title（参考訳）: グラフに基づくニューラルネットワークによる偽ニュース検出:調査
• Authors: Shuzhi Gong, Richard O. Sinnott, Jianzhong Qi, Cecile Paris
• Abstract要約: 低品質や故意に偽の情報をオンラインで急速に広めることができる。 オンラインの誤報をできるだけ早く特定し、公表することは、ますます緊急の課題になりつつある。 本稿では,グラフベースおよび深層学習に基づくフェイクニュース検出研究の体系的レビューを行う。
• 参考スコア（独自算出の注目度）: 18.70577400440486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The popularity of online social networks has enabled rapid dissemination of information. People now can share and consume information much more rapidly than ever before. However, low-quality and/or accidentally/deliberately fake information can also spread rapidly. This can lead to considerable and negative impacts on society. Identifying, labelling and debunking online misinformation as early as possible has become an increasingly urgent problem. Many methods have been proposed to detect fake news including many deep learning and graph-based approaches. In recent years, graph-based methods have yielded strong results, as they can closely model the social context and propagation process of online news. In this paper, we present a systematic review of fake news detection studies based on graph-based and deep learning-based techniques. We classify existing graph-based methods into knowledge-driven methods, propagation-based methods, and heterogeneous social context-based methods, depending on how a graph structure is constructed to model news related information flows. We further discuss the challenges and open problems in graph-based fake news detection and identify future research directions.
• Abstract（参考訳）: オンラインソーシャルネットワークの人気は、情報の急速な普及を可能にした。 今や人々は、これまで以上に早く情報を共有し、消費することができる。 しかし、低品質//または誤って偽の情報も急速に拡散する。 これは社会に大きな悪影響を及ぼす可能性がある。 オンラインの誤情報をできるだけ早く識別し、ラベル付けし、削除することは、ますます緊急な問題になっている。 深層学習やグラフベースのアプローチを含む偽ニュースを検出するための多くの手法が提案されている。 近年,オンラインニュースの社会的文脈と伝播過程を密にモデル化し,グラフベースの手法が大きな成果を上げている。 本稿では,グラフベースおよび深層学習に基づく偽ニュース検出研究の体系的レビューを行う。 既存のグラフベース手法を知識駆動手法,伝播型手法,ヘテロジニアスなソーシャルコンテキストベース手法に分類し,ニュース関連情報フローをモデル化するグラフ構造を構築した。 さらに,グラフに基づく偽ニュース検出における課題と課題を議論し,今後の研究方向を明らかにした。

関連論文リスト

• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Semantic Enhanced Knowledge Graph for Large-Scale Zero-Shot Learning [74.6485604326913]
  我々は、専門知識とカテゴリ意味相関の両方を含む新しい意味強化知識グラフを提供する。 知識グラフの情報伝達のために,Residual Graph Convolutional Network (ResGCN)を提案する。 大規模画像Net-21KデータセットとAWA2データセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-12-26T13:18:36Z)
• 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)
• Exploring Fake News Detection with Heterogeneous Social Media Context Graphs [4.2177790395417745]
  フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。 本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
  論文  参考訳（メタデータ） (2022-12-13T13:29:47Z)
• Modelling Social Context for Fake News Detection: A Graph Neural Network Based Approach [0.39146761527401425]
  フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。 本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
  論文  参考訳（メタデータ） (2022-07-27T12:58:33Z)
• A comparative analysis of Graph Neural Networks and commonly used machine learning algorithms on fake news detection [0.0]
  低コスト、ソーシャルプラットフォーム経由のシンプルなアクセシビリティ、低予算のオンラインニュースソースが、偽ニュースの普及に寄与する要因の1つだ。 既存の偽ニュース検出アルゴリズムのほとんどは、ニュースコンテンツのみに焦点を当てている。 エンゲージメントのあるユーザーによる事前投稿やソーシャル活動は、ニュースに対する見解に関する豊富な情報を提供し、フェイクニュースの識別を改善する重要な能力を持っている。
  論文  参考訳（メタデータ） (2022-03-26T18:40:03Z)
• Hetero-SCAN: Towards Social Context Aware Fake News Detection via Heterogeneous Graph Neural Network [11.145085584637744]
  異種グラフニューラルネットワークに基づく新しい社会的文脈認識型偽ニュース検出手法Hetero-SCANを提案する。 我々は,Hetero-SCANが,最先端のテキストベースおよびグラフベースの偽ニュース検出手法に対して,性能と効率の面で大幅な改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-13T15:21:44Z)
• 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)
• A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for Question Answering Over Dynamic Contexts [81.4757750425247]
  動的テキスト環境における質問応答について検討する。 構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
  論文  参考訳（メタデータ） (2020-04-25T04:53:54Z)
• 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。