論文の概要: AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System

• arxiv url: http://arxiv.org/abs/2310.19834v1
• Date: Sun, 29 Oct 2023 13:07:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 18:27:03.577219
• Title: AMIR: Automated MisInformation Rebuttal -- A COVID-19 Vaccination Datasets based Recommendation System
• Title（参考訳）: AMIR: COVID-19ワクチンデータセットに基づく推奨システム
• Authors: Shakshi Sharma, Anwitaman Datta, and Rajesh Sharma
• Abstract要約: 本研究は,ソーシャルメディアから得られる既存の情報を活用して,大規模な誤報の自動報知を容易にする方法について検討した。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter)という、新型コロナウイルスワクチンに関する2つの公開データセットを活用している。
• 参考スコア（独自算出の注目度）: 0.05461938536945722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Misinformation has emerged as a major societal threat in recent years in general; specifically in the context of the COVID-19 pandemic, it has wrecked havoc, for instance, by fuelling vaccine hesitancy. Cost-effective, scalable solutions for combating misinformation are the need of the hour. This work explored how existing information obtained from social media and augmented with more curated fact checked data repositories can be harnessed to facilitate automated rebuttal of misinformation at scale. While the ideas herein can be generalized and reapplied in the broader context of misinformation mitigation using a multitude of information sources and catering to the spectrum of social media platforms, this work serves as a proof of concept, and as such, it is confined in its scope to only rebuttal of tweets, and in the specific context of misinformation regarding COVID-19. It leverages two publicly available datasets, viz. FaCov (fact-checked articles) and misleading (social media Twitter) data on COVID-19 Vaccination.
• Abstract（参考訳）: 近年、誤報は社会の脅威として現れており、特に新型コロナウイルス(COVID-19)のパンデミックの文脈では、ワクチンの狂気を燃やすことによってハボックを破滅させた。 偽情報と戦うためのコスト効率が高くスケーラブルなソリューションは、時間を必要とする。 本研究では、ソーシャルメディアから得られた既存の情報と、より厳密な事実チェックデータレポジトリを用いて、大規模な誤報の自動配信を容易にする方法について検討した。 この考え方は、様々な情報ソースを用いた誤情報緩和の幅広い文脈において一般化・再適用できるが、この研究は、概念実証として機能し、ツイートの配信のみに限定され、また、COVID-19に関する誤情報特定の文脈では、その範囲に限られている。 公開されている2つのデータセット、vizを利用する。 FaCov(ファクトチェック記事)と誤解を招く(ソーシャルメディアTwitter) COVID-19ワクチンに関するデータ。

関連論文リスト

• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• CoVERT: A Corpus of Fact-checked Biomedical COVID-19 Tweets [10.536415845097661]
  CoVERTは事実確認されたツイートのコーパスで、バイオメディシンと新型コロナウイルス関連の情報(ミス)に焦点を当てている。 我々は、新しいクラウドソーシング手法を用いて、すべてのツイートにファクトチェックラベルを付加し、クラウドワーカーがオンラインで検索する証拠を支持する。 得られたエビデンス抽出をファクトチェックパイプラインの一部として使用し、実世界のエビデンスの方が、事前訓練された言語モデルで間接的に利用できる知識よりも有用であることを確認した。
  論文  参考訳（メタデータ） (2022-04-26T09:05:03Z)
• Identifying the Adoption or Rejection of Misinformation Targeting COVID-19 Vaccines in Twitter Discourse [0.0]
  ソーシャルメディアで宣伝する新型コロナウイルスワクチンに関する誤報は、ワクチン接種への執着を促していると考えられている。 本稿では,誤情報に対する態度を,態度の整合性とその特性に頼って識別する新しい枠組みについて述べる。 実験は、CoVaxLiesと呼ばれる新型コロナウイルスワクチンに対する誤情報の新しいデータセット上で行われ、最近のTwitterの談話から収集された。
  論文  参考訳（メタデータ） (2022-02-18T22:01:49Z)
• Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
  質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。 実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。 質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
  論文  参考訳（メタデータ） (2021-10-15T01:55:18Z)
• 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)
• Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction [2.0625936401496237]
  新型コロナウイルス(COVID-19)ワクチンに関するソーシャルメディアの誤報によって引き起こされたワクチンのヘシタシーは、大きなハードルとなった。 CoVaxLiesは、新型コロナウイルスワクチンに関するいくつかの誤報のターゲットに関連する、新しいツイートのデータセットである。 本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。
  論文  参考訳（メタデータ） (2021-08-04T23:27:10Z)
• Categorising Fine-to-Coarse Grained Misinformation: An Empirical Study of COVID-19 Infodemic [6.137022734902771]
  社会行動アノテーションを含む微粒な誤情報ツイートデータセットを導入する。 このデータセットは、社会行動の分析を可能にするだけでなく、エビデンスベースまたは非エビデンスベースの誤情報分類タスクにも適している。
  論文  参考訳（メタデータ） (2021-06-22T12:17:53Z)
• Case Study on Detecting COVID-19 Health-Related Misinformation in Social Media [7.194177427819438]
  本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。 応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。 本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
  論文  参考訳（メタデータ） (2021-06-12T16:26:04Z)
• Misinformation Has High Perplexity [55.47422012881148]
  疑似クレームを教師なしの方法でデバンクするために, 難易度を活用することを提案する。 まず,これらの主張に類似した文に基づいて,科学的およびニュースソースから信頼性のある証拠を抽出する。 第2に,抽出したエビデンスを言語モデルにプライマリし,難易度スコアに基づいて与えられたクレームの正当性を評価する。
  論文  参考訳（メタデータ） (2020-06-08T15:13:44Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。