論文の概要: MalFake: A Multimodal Fake News Identification for Malayalam using Recurrent Neural Networks and VGG-16

• arxiv url: http://arxiv.org/abs/2310.18263v1
• Date: Fri, 27 Oct 2023 16:51:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-30 12:53:54.229276
• Title: MalFake: A Multimodal Fake News Identification for Malayalam using Recurrent Neural Networks and VGG-16
• Title（参考訳）: MalFake: 繰り返しニューラルネットワークとVGG-16を用いたマラヤラムのマルチモーダルフェイクニュース識別
• Authors: Adhish S. Sujan, Ajitha. V, Aleena Benny, Amiya M. P., V. S. Anoop
• Abstract要約: マルチモーダルアプローチはマラヤラムのフェイクニュースの検出においてより正確である。 複数のモダリティで訓練されたモデルは、典型的には1つのモダリティで訓練されたモデルよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The amount of news being consumed online has substantially expanded in recent years. Fake news has become increasingly common, especially in regional languages like Malayalam, due to the rapid publication and lack of editorial standards on some online sites. Fake news may have a terrible effect on society, causing people to make bad judgments, lose faith in authorities, and even engage in violent behavior. When we take into the context of India, there are many regional languages, and fake news is spreading in every language. Therefore, providing efficient techniques for identifying false information in regional tongues is crucial. Until now, little to no work has been done in Malayalam, extracting features from multiple modalities to classify fake news. Multimodal approaches are more accurate in detecting fake news, as features from multiple modalities are extracted to build the deep learning classification model. As far as we know, this is the first piece of work in Malayalam that uses multimodal deep learning to tackle false information. Models trained with more than one modality typically outperform models taught with only one modality. Our study in the Malayalam language utilizing multimodal deep learning is a significant step toward more effective misinformation detection and mitigation.
• Abstract（参考訳）: 近年、オンラインで消費されるニュースの量は大幅に増加している。 偽ニュースは、特にマラヤラムのような地域言語では、急速な出版と一部のオンラインサイトでの編集基準の欠如により、ますます一般的になっている。 偽ニュースは社会にひどい影響を与える可能性があり、人々は悪い判断をし、当局への信頼を失い、暴力的な行動にも関与する。 インドの状況を考えると、多くの地域言語があり、あらゆる言語で偽ニュースが広まっている。 したがって,地域言語における偽情報同定の効率化が重要である。 これまで、マラヤラムでは、偽ニュースを分類するために複数のモダリティから特徴を抽出する作業はほとんど行われていない。 複数のモーダルから特徴を抽出してディープラーニング分類モデルを構築するため,マルチモーダルアプローチはフェイクニュースの検出においてより正確である。 私たちの知る限り、これはマルチモーダルディープラーニングを使って誤った情報に取り組む、マラヤラムにおける最初の仕事です。 複数のモダリティで訓練されたモデルは、通常、1つのモダリティで訓練されたモデルよりも優れている。 マルチモーダル深層学習を用いたマラヤラム語の研究は,より効果的な誤情報検出と緩和に向けた重要な一歩である。

関連論文リスト

• Detection of Human and Machine-Authored Fake News in Urdu [2.013675429941823]
  ソーシャルメディアは偽ニュースの拡散を増幅した。 従来の偽ニュース検出手法は、言語的手がかりに依存しているため、効果が低くなる。 精度とロバスト性を改善するため,階層的検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-25T12:42:07Z)
• MMCFND: Multimodal Multilingual Caption-aware Fake News Detection for Low-resource Indic Languages [0.4062349563818079]
  Indic Fake News Detection (MMIFND) のためのマルチモーダル多言語データセットを提案する。 この厳密にキュレートされたデータセットは、ヒンディー語、ベンガル語、マラタイ語、マラヤラム語、タミル語、グジャラート語、パンジャービ語にまたがる28,085のインスタンスで構成されている。 フェイクニュース検出(MMCFND)のためのマルチモーダルキャプション対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-14T11:59:33Z)
• 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)
• 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)
• 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)
• Multimodal Fake News Detection [1.929039244357139]
  単調な手法とマルチモーダル手法の両方を用いて、ファケディットデータセット上のフェイクニュースのきめ細かい分類を行う。 操作されたコンテンツ、Satire、False接続などの偽ニュースカテゴリは、画像の使用の恩恵を強く受けている。 画像を使用することで、他のカテゴリの結果も改善されるが、影響は少ない。
  論文  参考訳（メタデータ） (2021-12-09T10:57:18Z)
• Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
  低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。 そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。 実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-13T04:44:02Z)
• Factorization of Fact-Checks for Low Resource Indian Languages [44.94080515860928]
  FactDRILは、インドの地域言語のための最初の大規模多言語ファクトチェックデータセットです。 本データセットは英語9,058サンプル,ヒンディー語5,155サンプルからなり,残りの8,222サンプルは様々な地域言語に分布する。 このデータセットは貴重なリソースであり、低リソース言語での偽ニュースの拡散と戦う出発点となると期待しています。
  論文  参考訳（メタデータ） (2021-02-23T16:47:41Z)

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。