論文の概要: Identifying Conspiracy Theories News based on Event Relation Graph

• arxiv url: http://arxiv.org/abs/2310.18545v1
• Date: Sat, 28 Oct 2023 00:27:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-31 17:54:56.420728
• Title: Identifying Conspiracy Theories News based on Event Relation Graph
• Title（参考訳）: 事象関係グラフに基づく陰謀理論ニュースの同定
• Authors: Yuanyuan Lei, Ruihong Huang
• Abstract要約: 我々は、ニュース記事が陰謀論を含むかどうかを特定することを目的とする。 物語における出来事の文脈的理解を得ることは陰謀論を検出するのに不可欠である。
• 参考スコア（独自算出の注目度）: 21.680194418287197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conspiracy theories, as a type of misinformation, are narratives that explains an event or situation in an irrational or malicious manner. While most previous work examined conspiracy theory in social media short texts, limited attention was put on such misinformation in long news documents. In this paper, we aim to identify whether a news article contains conspiracy theories. We observe that a conspiracy story can be made up by mixing uncorrelated events together, or by presenting an unusual distribution of relations between events. Achieving a contextualized understanding of events in a story is essential for detecting conspiracy theories. Thus, we propose to incorporate an event relation graph for each article, in which events are nodes, and four common types of event relations, coreference, temporal, causal, and subevent relations, are considered as edges. Then, we integrate the event relation graph into conspiracy theory identification in two ways: an event-aware language model is developed to augment the basic language model with the knowledge of events and event relations via soft labels; further, a heterogeneous graph attention network is designed to derive a graph embedding based on hard labels. Experiments on a large benchmark dataset show that our approach based on event relation graph improves both precision and recall of conspiracy theory identification, and generalizes well for new unseen media sources.
• Abstract（参考訳）: 陰謀説は、誤報の一種として、不合理または悪意のある方法で出来事や状況を説明する物語である。 これまでのほとんどの研究はソーシャルメディアの短いテキストで陰謀論を検討したが、長いニュース文書ではそのような誤報に限定的に注意が向けられた。 本稿では,ニュース記事が陰謀論を含むか否かを判断することを目的とする。 共謀の物語は、無関係な出来事を混ぜ合わせるか、あるいは異例な出来事間の関係の分布を示すことによって構成できる。 物語における出来事の文脈的理解を得ることは陰謀論の検出に不可欠である。 そこで本稿では,イベントがノードである各記事にイベント関係グラフを組み込むとともに,イベント関係の共通タイプであるコリファレンス,時間関係,因果関係,サブイベント関係の4つをエッジとする。 次に、イベント関係グラフを共起理論の同定に2つの方法に統合する: イベント認識言語モデルの開発により、ソフトラベルによるイベントとイベント関係の知識により、基本的な言語モデルを強化し、さらに、ハードラベルに基づくグラフ埋め込みを導出するように、異種グラフ注意ネットワークが設計されている。 大規模ベンチマークデータセットにおける実験は, 事象関係グラフに基づくアプローチが共謀理論の同定の正確性とリコールの両方を改善し, 未知のメディアソースを一般化することを示した。

関連論文リスト

• Sentence-level Media Bias Analysis with Event Relation Graph [18.351777831207965]
  メディアバイアスを文レベルで識別し,読者の意見に反する偏見文をピンポイントで特定する。 特に、偏見文中の事象は、文書内の他の事象と関連して理解する必要があることを観察する。 本稿では,文レベルのバイアス識別のための事象と事象の関係性を明確に推論するために,事象関係グラフを構築することを提案する。
  論文  参考訳（メタデータ） (2024-04-02T08:16:03Z)
• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• Open-Domain Event Graph Induction for Mitigating Framing Bias [89.46744219887005]
  フレーミングバイアスの研究と特定は、信頼できるイベント理解への重要なステップである、と我々は主張する。 この問題に対処するために、ニュートラルイベントグラフ誘導という新しいタスクを提案する。 我々の課題は、オープンドメインにおいて最小限のフレーミングバイアスでそのような構造的知識を誘導することである。
  論文  参考訳（メタデータ） (2023-05-22T08:57:42Z)
• GeoAI for Knowledge Graph Construction: Identifying Causality Between Cascading Events to Support Environmental Resilience Research [3.3072870202596736]
  本稿では,災害イベントの因果関係を特定するためのGeoAIソリューションについて紹介する。 我々のソリューションは、イベント知識基盤を強化し、大きな知識グラフでリンクされたカスケードイベントの探索を可能にします。
  論文  参考訳（メタデータ） (2022-11-11T05:31:03Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• EA$^2$E: Improving Consistency with Event Awareness for Document-Level Argument Extraction [52.43978926985928]
  本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。 WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
  論文  参考訳（メタデータ） (2022-05-30T04:33:51Z)
• It's the Same Old Story! Enriching Event-Centric Knowledge Graphs by Narrative Aspects [0.3655021726150368]
  イベント中心の知識グラフのための新しい軽量な構造を導入し,視点依存と物語的側面を取り入れたクエリを初めて実現した。 本実験は、イベント参加者に対する主観的帰属の効果的な取り込みを証明し、物語クエリ処理に特化して調整された指標の利点を示すものである。
  論文  参考訳（メタデータ） (2022-05-08T14:00:41Z)
• Streaming Social Event Detection and Evolution Discovery in Heterogeneous Information Networks [90.3475746663728]
  イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。 ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。 しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
  論文  参考訳（メタデータ） (2021-04-02T02:13:10Z)
• The Truth is Out There: Investigating Conspiracy Theories in Text Generation [66.01545519772527]
  言語モデルが陰謀理論テキストを生成する可能性を検討する。 本研究は陰謀理論の解明のためにこれらのモデルをテストすることに焦点を当てている。 陰謀理論のトピック、機械生成陰謀理論、人為的陰謀理論からなる新しいデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-01-02T05:47:39Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)

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。