論文の概要: Mobile Health Text Misinformation Identification Using Mobile Data Mining

• arxiv url: http://arxiv.org/abs/2402.19280v1
• Date: Thu, 29 Feb 2024 15:48:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 14:15:42.814775
• Title: Mobile Health Text Misinformation Identification Using Mobile Data Mining
• Title（参考訳）: モバイルデータマイニングを用いたモバイルヘルステキスト誤情報識別
• Authors: Wen-Chen Hu, Sanjaikanth E Vadakkethil Somanathan Pillai, Abdelrahman Ahmed ElSaid
• Abstract要約: 本研究は、スマートフォンが人々の主要な情報ソースになるにつれて、モバイルヘルステキスト情報が人々のデバイスに送られるかどうかを確かめるものである。 提案手法は,語彙解析,ストップワード除去,ストーミング,決定木など,さまざまな移動情報検索およびデータマイニング技術を用いている。 実験の結果,提案手法の精度は閾値50パーセントを超えるが,最適ではないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: More than six million people died of the COVID-19 by April 2022. The heavy casualties have put people on great and urgent alert and people try to find all kinds of information to keep them from being inflected by the coronavirus. This research tries to find out whether the mobile health text information sent to peoples devices is correct as smartphones becoming the major information source for people. The proposed method uses various mobile information retrieval and data mining technologies including lexical analysis, stopword elimination, stemming, and decision trees to classify the mobile health text information to one of the following classes: (i) true, (ii) fake, (iii) misinformative, (iv) disinformative, and (v) neutral. Experiment results show the accuracy of the proposed method is above the threshold value 50 percentage, but is not optimal. It is because the problem, mobile text misinformation identification, is intrinsically difficult.
• Abstract（参考訳）: 2022年4月までに600万人以上が新型コロナウイルスで死亡した。 重傷を負い、緊急の警戒に苦しむ人々が、新型コロナウイルスの感染を防ぐためにあらゆる種類の情報を見つけ出そうとしている。 本研究は、スマートフォンが人々の主要な情報ソースになるにつれて、モバイルヘルステキスト情報が人々のデバイスに送られるかどうかを調べる。 提案手法は, 語彙解析, 停止語除去, 語幹抽出, 決定木など, 様々な移動情報検索およびデータマイニング技術を用いて, モバイル・ヘルス・テキスト情報を以下のクラスに分類する。 (i)本当です。 (ii)偽物。 (iii)誤記 (iv)偽り、及び (v)中立。 実験の結果,提案手法の精度は閾値50パーセントを超えるが,最適ではないことがわかった。 モバイルテキストの誤報識別という問題は本質的に難しいためである。

関連論文リスト

• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• MHfit: Mobile Health Data for Predicting Athletics Fitness Using Machine Learning [0.0]
  モバイル健康データは、モバイルデバイスを使用して臨床健康データを収集し、患者のバイタルをリアルタイムで追跡する。 本研究は,スポーツチームに対して,スポーツ選手が特定の競技に適しているか否かを判断することを目的としている。
  論文  参考訳（メタデータ） (2023-04-10T19:53:03Z)
• 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)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Detection of fake news on CoViD-19 on Web Search Engines [0.0]
  中国が新型ウイルスの最初の症例(SARS-CoV-2)を報告した後、信頼性が低く、正確な情報がウイルス自体よりも早く拡散し始めた。 本研究は,検索エンジンを経由するテキスト情報を取り込んで解析することにより,誤用や偽コンテンツの検出を目標としている。
  論文  参考訳（メタデータ） (2021-03-22T13:07:26Z)
• Drink Bleach or Do What Now? Covid-HeRA: A Study of Risk-Informed Health Decision Making in the Presence of COVID-19 Misinformation [23.449057978351945]
  我々は健康上の誤報をリスクアセスメントのタスクとみなしている。 各誤報記事の重大さと読者がこの重大さをどう認識するかを考察する。 従来のモデルと最先端モデルを評価し、性能に大きなギャップがあることを示します。
  論文  参考訳（メタデータ） (2020-10-17T08:34:57Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• An Automated Contact Tracing Approach for Controlling Covid-19 Spread Based on Geolocation Data from Mobile Cellular Networks [5.409709616786615]
  携帯電話利用者の位置情報データに基づく新型の接触追跡手法を提案する。 提案手法は,スマートフォンベースのモバイルアプリケーションを用いることなく,感染確率の高い人物の特定を支援する。
  論文  参考訳（メタデータ） (2020-07-06T11:40:23Z)
• From Witch's Shot to Music Making Bones -- Resources for Medical Laymen to Technical Language and Vice Versa [2.114676162428423]
  オンラインで共有する情報は、私たちのライフスタイルや健康状況に関する直接的または間接的な情報です。 ほとんどの人は医療の専門家ではないので、使用する言語は正確な医学的表現よりも説明力が高いかもしれない。 本報告では,患者フォーラムにおいて,医師と技術表現に注釈を付ける新しいデータセットと,同義語と定義のセットを紹介する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:18Z)

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。