Fugu-MT 論文翻訳(概要): CMA-R:Causal Mediation Analysis for Explaining Rumour Detection

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

Towards Probing Speech-Specific Risks in Large Multimodal Models: A Taxonomy, Benchmark, and Insights [50.89022445197919]
本研究は,8つのリスクカテゴリーを敵意(悪意的皮肉と脅し),悪意的模倣(年齢,性別,民族),ステレオタイプ的バイアス(年齢,性別,民族)を対象とする音声特異的リスク分類法を提案する。分類に基づいて,これらのリスクのカテゴリを検出するために,現在のLMM能力を評価するための小規模データセットを作成する。
論文参考訳（メタデータ） (2024-06-25T10:08:45Z)
Rumor Detection with a novel graph neural network approach [12.42658463552019]
ソーシャルメディア上での噂を検出するために,ユーザ相関と情報伝達の表現を共同で学習する新しい検出モデルを提案する。具体的には、グラフニューラルネットワークを利用して、二部グラフからユーザ相関の表現を学習する。本研究では,ユーザ相関パターンを逆転させるには高いコストが必要であることを示すとともに,ユーザ相関をうわさ検出のために考慮することの重要性を示す。
論文参考訳（メタデータ） (2024-03-24T15:59:47Z)
Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis [86.49858739347412]
大規模言語モデル(LLM)は、これらのモデルにおけるバイアスの頻度とその緩和に関する激しい議論を引き起こしている。本稿では,意思決定プロセスに寄与する属性の抽出と仲介を行うためのプロンプトベースの手法を提案する。観察された異なる治療は、少なくとも部分的には、属性の相違とモデルの相違によるものであることが判明した。
論文参考訳（メタデータ） (2023-11-15T00:02:25Z)
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)
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)
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)
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。