論文の概要: Helping Fact-Checkers Identify Fake News Stories Shared through Images
on WhatsApp
- arxiv url: http://arxiv.org/abs/2308.14782v1
- Date: Mon, 28 Aug 2023 16:12:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 17:19:34.009768
- Title: Helping Fact-Checkers Identify Fake News Stories Shared through Images
on WhatsApp
- Title(参考訳): Fact-Checkersは、WhatsApp上の画像でシェアされたフェイクニュースを識別する
- Authors: Julio C. S. Reis, Philipe Melo, Fabiano Bel\'em, Fabricio Murai,
Jussara M. Almeida, Fabricio Benevenuto
- Abstract要約: 本研究では,WhatsApp上の画像から共有された偽ニュースを事実確認する手段として,偽ニューススコアモデルを提案する。
実験の結果,データ中の偽ニュースの80%を識別するのに要する労力を最大40%削減できることがわかった。
- 参考スコア(独自算出の注目度): 1.5678677448474552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: WhatsApp has introduced a novel avenue for smartphone users to engage with
and disseminate news stories. The convenience of forming interest-based groups
and seamlessly sharing content has rendered WhatsApp susceptible to the
exploitation of misinformation campaigns. While the process of fact-checking
remains a potent tool in identifying fabricated news, its efficacy falters in
the face of the unprecedented deluge of information generated on the Internet
today. In this work, we explore automatic ranking-based strategies to propose a
"fakeness score" model as a means to help fact-checking agencies identify fake
news stories shared through images on WhatsApp. Based on the results, we design
a tool and integrate it into a real system that has been used extensively for
monitoring content during the 2018 Brazilian general election. Our experimental
evaluation shows that this tool can reduce by up to 40% the amount of effort
required to identify 80% of the fake news in the data when compared to current
mechanisms practiced by the fact-checking agencies for the selection of news
stories to be checked.
- Abstract(参考訳): whatsappは、スマートフォンユーザーがニュースに関わり、広めるための新しい方法を導入した。
興味に基づくグループを作り、コンテンツをシームレスに共有する便利さによって、WhatsAppは誤情報キャンペーンの悪用を受けやすい。
事実確認のプロセスは、偽ニュースを識別するための強力なツールであり続けているが、その効果は、今日インターネット上で発生した前例のない情報不足に直面している。
本研究では,WhatsApp上の画像から共有される偽ニュースを事実確認する手段として,自動ランキングベースの「偽スコア」モデルを提案する。
その結果をもとに,2018年のブラジル総選挙において,コンテンツを広範囲に監視するためのツールを設計し,実システムに統合した。
実験により,本ツールは,事実確認機関が実施しているニュース記事選択のメカニズムと比較して,データ中の偽ニュースの80%を識別するのに要する労力を最大40%削減できることが示された。
関連論文リスト
- fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳(メタデータ) (2023-09-20T04:10:03Z) - FNDaaS: Content-agnostic Detection of Fake News sites [3.936965297430477]
FNDは、コンテンツに依存しない最初のフェイクニュース検出手法である。
ニュースサイトごとのネットワークや構造的特徴など、新しい、未調査の機能について検討している。
過去のサイトでは最大0.967のAUCスコアを達成でき、新しくフラッグされたサイトでは最大77-92%の精度を達成できる。
論文 参考訳(メタデータ) (2022-12-13T11:17:32Z) - 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) - Automated Evidence Collection for Fake News Detection [11.324403127916877]
本稿では,現在行われている偽ニュース検出手法を改良した新しい手法を提案する。
提案手法は,Web記事からエビデンスを抽出し,エビデンスとして扱うための適切なテキストを選択する。
我々の実験は、機械学習とディープラーニングに基づく手法の両方を用いて、我々のアプローチを広範囲に評価するのに役立つ。
論文 参考訳(メタデータ) (2021-12-13T09:38:41Z) - Fake News Detection: Experiments and Approaches beyond Linguistic
Features [0.0]
ニュース記事に関連付けられた信頼性情報とメタデータは、結果の改善に利用されてきた。
実験はまた、モデリングの正当性や証拠が、どのようにしてより良い結果をもたらすかを示す。
論文 参考訳(メタデータ) (2021-09-27T10:00:44Z) - A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。
第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。
また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
論文 参考訳(メタデータ) (2021-09-26T08:11:17Z) - 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) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳(メタデータ) (2020-10-20T19:37:04Z) - 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)
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。