論文の概要: CMA-R:Causal Mediation Analysis for Explaining Rumour Detection
- arxiv url: http://arxiv.org/abs/2402.08155v1
- Date: Tue, 13 Feb 2024 01:31:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 16:54:22.660162
- Title: CMA-R:Causal Mediation Analysis for Explaining Rumour Detection
- Title(参考訳): cma-r:うわさ検出のためのcausal mediation analysis
- Authors: Lin Tian, Xiuzhen Zhang, Jey Han Lau
- Abstract要約: 因果媒介分析を適用し、Twitter上での噂検出のためのニューラルモデルの決定過程を説明する。
CMA-Rのアプローチは,モデル予測を説明する健全なツイートを識別し,物語の真偽を決定する批判的ツイートに対して,人間の判断と強い一致を示す。
- 参考スコア(独自算出の注目度): 33.47709912852258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We apply causal mediation analysis to explain the decision-making process of
neural models for rumour detection on Twitter. Interventions at the input and
network level reveal the causal impacts of tweets and words in the model
output. We find that our approach CMA-R -- Causal Mediation Analysis for Rumour
detection -- identifies salient tweets that explain model predictions and show
strong agreement with human judgements for critical tweets determining the
truthfulness of stories. CMA-R can further highlight causally impactful words
in the salient tweets, providing another layer of interpretability and
transparency into these blackbox rumour detection systems. Code is available
at: https://github.com/ltian678/cma-r.
- Abstract(参考訳): 因果媒介分析を適用し、Twitter上での噂検出のためのニューラルモデルの決定過程を説明する。
入力とネットワークレベルでの介入は、モデル出力におけるツイートと単語の因果的影響を明らかにする。
我々のアプローチであるCMA-R(Causal Mediation Analysis for Rumour Detection)は、モデル予測を説明する健全なツイートを特定し、物語の真実性を決定する批判的ツイートに対して、人間の判断と強い合意を示す。
CMA-Rは、適切なツイートの因果的な影響のある単語をさらに強調し、これらのブラックボックスの噂検出システムに解釈可能性と透明性の別のレイヤを提供する。
コードはhttps://github.com/ltian678/cma-r。
関連論文リスト
- Rumor Detection with Diverse Counterfactual Evidence [32.746912322365525]
ソーシャルメディアは、個人やコミュニティに対する偽ニュースの脅威を悪化させている。
一般的なアプローチは、噂の拡散プロセスの伝播後のパターンを利用するために、グラフニューラルネットワーク(GNN)を利用する。
DCE-RD(Diverse Counterfactal Evidence framework for Rumor Detection)を提案する。
論文 参考訳(メタデータ) (2023-07-18T14:37:23Z) - PANACEA: An Automated Misinformation Detection System on COVID-19 [49.83321665982157]
PANACEAは、新型コロナウイルス関連の主張に関するWebベースの誤情報検出システムである。
事実チェックと噂検出という2つのモジュールがある。
論文 参考訳(メタデータ) (2023-02-28T21:53:48Z) - What goes on inside rumour and non-rumour tweets and their reactions: A
Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。
本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文 参考訳(メタデータ) (2021-11-09T07:45:11Z) - Understanding Attention in Machine Reading Comprehension [56.72165932439117]
本稿では,多面的自己意識と最終的なパフォーマンスとの関係を検討するために,一連の分析実験を実施することに焦点を当てる。
SQuAD(英語)とCMRC 2018(中国語)の定量的解析を行い、BERT, ALBERT, ELECTRAの2つのスパン抽出MCCデータセットについて検討した。
本研究は, 問合せ及び問合せに対する注意が最重要であり, 最終結果と強い相関関係を示すものであることを明らかにする。
論文 参考訳(メタデータ) (2021-08-26T04:23:57Z) - Misleading the Covid-19 vaccination discourse on Twitter: An exploratory
study of infodemic around the pandemic [0.45593531937154413]
我々は7ヶ月(2020年9月~2021年3月)のコビッドウイルスワクチン接種に関連する中規模のツイートコーパス(20万件)を収集する。
Transfer Learningのアプローチに従えば、事前訓練されたTransformerベースのXLNetモデルを使用して、ツイートをミスリーディングまたは非ミスリーディングに分類する。
我々は、自然に誤解を招くコーパスのツイートの特徴と非誤解を招くツイートの特徴を調査・対比するためにこの手法を構築した。
いくつかのMLモデルは、最大90%の精度で予測に使用され、各特徴の重要性は、SHAP Explainable AI (X)を用いて説明される。
論文 参考訳(メタデータ) (2021-08-16T17:02:18Z) - 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) - Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
調査結果から行動学的結論を推測できない点を指摘する。
我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
論文 参考訳(メタデータ) (2020-06-01T15:00:11Z) - Reliable Local Explanations for Machine Listening [26.740558689178865]
本研究では,現在最先端の深層歌唱音声検出(SVD)モデルを用いて,SoundLIMEからの説明がモデル入力の摂動にどう影響するかを解析する。
本稿では,機械聴取モデルの入力を確実に排除するための,適切なコンテンツタイプを定量的に同定する手法を提案する。
論文 参考訳(メタデータ) (2020-05-15T21:17:06Z) - Analysing the Extent of Misinformation in Cancer Related Tweets [6.409065843327199]
がんを専門に話すツイートに関するデータセットを提示する。
本稿では,その拡散に伴う誤情報の自動検出のための注意に基づくディープラーニングモデルを提案する。
この分析は、不正なツイートに関連する様々な社会的側面に関する関連する洞察を集めるのに役立ちます。
論文 参考訳(メタデータ) (2020-03-30T17:44:42Z)
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。