論文の概要: Machine Learning Technique Based Fake News Detection

• arxiv url: http://arxiv.org/abs/2309.13069v1
• Date: Mon, 18 Sep 2023 19:26:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-01 12:13:12.245280
• Title: Machine Learning Technique Based Fake News Detection
• Title（参考訳）: 偽ニュース検出に基づく機械学習技術
• Authors: Biplob Kumar Sutradhar, Md. Zonaid, Nushrat Jahan Ria, and Sheak Rashed Haider Noori
• Abstract要約: 収集したデータセットから1876年のニュースデータを利用して、偽ニュースと真ニュースを分類するモデルを訓練した。 我々の研究は3つの一般的な機械学習(確率勾配降下、ナイーブベイズ、ロジスティック回帰)と2つのDeep Learning(Long-Short Term Memory、ASGD Weight-Dropped LSTM、AWD-LSTM)アルゴリズムを実行する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: False news has received attention from both the general public and the scholarly world. Such false information has the ability to affect public perception, giving nefarious groups the chance to influence the results of public events like elections. Anyone can share fake news or facts about anyone or anything for their personal gain or to cause someone trouble. Also, information varies depending on the part of the world it is shared on. Thus, in this paper, we have trained a model to classify fake and true news by utilizing the 1876 news data from our collected dataset. We have preprocessed the data to get clean and filtered texts by following the Natural Language Processing approaches. Our research conducts 3 popular Machine Learning (Stochastic gradient descent, Na\"ive Bayes, Logistic Regression,) and 2 Deep Learning (Long-Short Term Memory, ASGD Weight-Dropped LSTM, or AWD-LSTM) algorithms. After we have found our best Naive Bayes classifier with 56% accuracy and an F1-macro score of an average of 32%.
• Abstract（参考訳）: 偽ニュースは一般大衆と学術界の両方から注目を集めている。 このような誤った情報には大衆の認識に影響を与える能力があり、悪質なグループが選挙のような公開イベントの結果に影響を与える機会を与えている。 誰でも自分の利益のために偽のニュースや事実を共有したり、トラブルを引き起こすことができる。 また、情報は共有されている世界によって異なる。 そこで,本稿では,収集したデータセットから1876年のニュースデータを用いて,偽ニュースと真ニュースを分類するモデルを訓練した。 自然言語処理アプローチに従うことで、クリーンでフィルタリングされたテキストを得るためにデータを前処理しました。 我々の研究は3つの一般的な機械学習アルゴリズム(確率勾配勾配、Na\"ive Bayes, Logistic Regression,)と2つのディープラーニング(Long-Short Term Memory, ASGD Weight-Dropped LSTM, AWD-LSTM)を実行する。 56%の精度でF1-macroスコアが平均32%の最高のNaive Bayes分類器を発見しました。

関連論文リスト

• 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)
• Combination Of Convolution Neural Networks And Deep Neural Networks For Fake News Detection [0.0]
  我々は、フェイクニュースチャレンジのステージ#1データセットを説明し、フェイクニュース検知システムを構築するための競争的試みの概要を説明した。 提案システムは,不一致カテゴリを除くすべてのカテゴリを高精度に検出する。 その結果、このシステムは84.6%の精度を達成し、他の競合研究に基づいて第2位にランク付けされた。
  論文  参考訳（メタデータ） (2022-10-15T16:32:51Z)
• UrduFake@FIRE2020: Shared Track on Fake News Identification in Urdu [62.6928395368204]
  本稿では、ウルドゥー語における偽ニュース検出に関するFIRE 2020における最初の共有タスクの概要について述べる。 目標は、900の注釈付きニュース記事と400のニュース記事からなるデータセットを使って偽ニュースを特定することである。 データセットには、 (i) Health、 (ii) Sports、 (iii) Showbiz、 (iv) Technology、 (v) Businessの5つのドメインのニュースが含まれている。
  論文  参考訳（メタデータ） (2022-07-25T03:46:51Z)
• Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2020 [62.6928395368204]
  タスクはバイナリ分類タスクとして設定され、ゴールはリアルニュースとフェイクニュースを区別することである。 トレーニング用に900の注釈付きニュース記事とテスト用に400のニュース記事のデータセットを作成した。 6カ国(インド、中国、エジプト、ドイツ、パキスタン、イギリス)の42チームが登録された。
  論文  参考訳（メタデータ） (2022-07-25T03:41:32Z)
• Fake News Detection Using Majority Voting Technique [0.0]
  我々は、偽ニュース記事を検出するための多数決アプローチを提案した。 20,800件のニュース記事のうち10,387件が本物、10,413件がバイナリ0,1とラベル付けされた偽ニュースである。 その結果,提案手法は96.38%,精度96%,リコール96%,F1測定96%を達成できた。
  論文  参考訳（メタデータ） (2022-03-18T13:24:03Z)
• 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)
• 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)
• 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)
• 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)

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。