Fugu-MT 論文翻訳(概要): MSynFD: Multi-hop Syntax aware Fake News Detection

論文の概要: MSynFD: Multi-hop Syntax aware Fake News Detection

arxiv url: http://arxiv.org/abs/2402.14834v1
Date: Sun, 18 Feb 2024 05:40:33 GMT
ステータス: 処理完了
システム内更新日: 2024-03-03 19:37:27.300629
Title: MSynFD: Multi-hop Syntax aware Fake News Detection
Title（参考訳）: MSynFD:マルチホップ構文認識フェイクニュース検出
Authors: Liang Xiao, Qi Zhang, Chongyang Shi, Shoujin Wang, Usman Naseem, and Liang Hu
Abstract要約: ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
参考スコア（独自算出の注目度）: 27.046529059563863
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The proliferation of social media platforms has fueled the rapid dissemination of fake news, posing threats to our real-life society. Existing methods use multimodal data or contextual information to enhance the detection of fake news by analyzing news content and/or its social context. However, these methods often overlook essential textual news content (articles) and heavily rely on sequential modeling and global attention to extract semantic information. These existing methods fail to handle the complex, subtle twists in news articles, such as syntax-semantics mismatches and prior biases, leading to lower performance and potential failure when modalities or social context are missing. To bridge these significant gaps, we propose a novel multi-hop syntax aware fake news detection (MSynFD) method, which incorporates complementary syntax information to deal with subtle twists in fake news. Specifically, we introduce a syntactical dependency graph and design a multi-hop subgraph aggregation mechanism to capture multi-hop syntax. It extends the effect of word perception, leading to effective noise filtering and adjacent relation enhancement. Subsequently, a sequential relative position-aware Transformer is designed to capture the sequential information, together with an elaborate keyword debiasing module to mitigate the prior bias. Extensive experimental results on two public benchmark datasets verify the effectiveness and superior performance of our proposed MSynFD over state-of-the-art detection models.
Abstract（参考訳）: ソーシャルメディアプラットフォームの普及は偽ニュースの拡散を加速させ、われわれの現実社会に脅威をもたらしている。既存の手法では、マルチモーダルデータや文脈情報を用いて、ニュースコンテンツやそのソーシャルコンテキストを分析して偽ニュースの検出を強化する。しかし、これらの方法はしばしば本質的なテクスト的なニュースコンテンツ(記事)を見落とし、シーケンシャルなモデリングと世界的注意に依存して意味情報を抽出する。これらの既存の手法は、構文論的ミスマッチや先行バイアスといった、ニュース記事の複雑な微妙なひねりを処理できず、モダリティや社会的文脈が欠けている場合のパフォーマンスが低下し、潜在的な失敗につながる。これらの大きなギャップを埋めるために,偽ニュースの微妙なひねりに対処するために,補完的な構文情報を組み込んだマルチホップ構文認識フェイクニュース検出(msynfd)手法を提案する。具体的には、構文依存グラフを導入し、マルチホップ構文をキャプチャするマルチホップサブグラフアグリゲーション機構を設計する。単語知覚の効果を拡張し、効果的なノイズフィルタリングと隣接した関係強化につながる。その後、シーケンシャルな相対位置認識トランスは、先行バイアスを軽減するために、精巧なキーワードデバイアスモジュールと共にシーケンシャル情報をキャプチャするように設計されている。 2つのベンチマークデータセットにおける広範囲な実験結果から,提案手法の有効性と優れた性能を検証できた。

関連論文リスト

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)
Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文参考訳（メタデータ） (2023-09-28T13:19:43Z)
Detecting and Grounding Multi-Modal Media Manipulation and Beyond [93.08116982163804]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。 DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文参考訳（メタデータ） (2023-09-25T15:05:46Z)
Similarity-Aware Multimodal Prompt Learning for Fake News Detection [0.12396474483677114]
マルチモーダルフェイクニュース検出は、テキストのみの方法よりも優れています。本稿では,Simisity-Aware Multimodal Prompt Learning (SAMPLE) フレームワークを提案する。評価のために、SAMPLEはF1と以前の2つのベンチマークマルチモーダルデータセットの精度を上回っている。
論文参考訳（メタデータ） (2023-04-09T08:10:05Z)
No Place to Hide: Dual Deep Interaction Channel Network for Fake News Detection based on Data Augmentation [16.40196904371682]
本稿では,意味,感情,データ強化の観点から,偽ニュース検出のための新しいフレームワークを提案する。セマンティックと感情の2つのディープインタラクションチャネルネットワークは、より包括的できめ細かなニュース表現を得るために設計されている。実験の結果,提案手法は最先端手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-03-31T13:33:53Z)
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)
Multimodal Fake News Detection with Adaptive Unimodal Representation Aggregation [28.564442206829625]
AURAは、適応的な一助表現アグリゲーションを備えたマルチモーダルフェイクニュース検出ネットワークである。我々は,一様および多様の表現に従って,粗いレベルの偽ニュース検出とクロスモーダルな共存学習を行う。 WeiboとGossipcopの実験は、AURAがいくつかの最先端のFNDスキームに勝つことを証明している。
論文参考訳（メタデータ） (2022-06-12T14:06:55Z)
A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。 MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
論文参考訳（メタデータ） (2022-06-01T21:25:21Z)
Applying Automatic Text Summarization for Fake News Detection [4.2177790395417745]
フェイクニュースの配信は新しいものではなく、急速に増加している問題だ。本稿ではトランスフォーマーに基づく言語モデルのパワーを組み合わせた問題に対するアプローチを提案する。我々のフレームワークであるCMTR-BERTは、複数のテキスト表現を組み合わせることで、コンテキスト情報の取り込みを可能にする。
論文参考訳（メタデータ） (2022-04-04T21:00:55Z)
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)

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。