論文の概要: Let Silence Speak: Enhancing Fake News Detection with Generated Comments from Large Language Models
- arxiv url: http://arxiv.org/abs/2405.16631v1
- Date: Sun, 26 May 2024 17:09:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 20:09:48.138580
- Title: Let Silence Speak: Enhancing Fake News Detection with Generated Comments from Large Language Models
- Title（参考訳）: let Silence Speak: 大規模言語モデルからのコメント生成によるフェイクニュース検出の強化
- Authors: Qiong Nan, Qiang Sheng, Juan Cao, Beizhe Hu, Danding Wang, Jintao Li,
- Abstract要約: コメントはユーザーの意見、姿勢、感情を反映し、モデルは偽ニュースに対する理解を深める可能性がある。
露出バイアスと利用者のコメント意欲が異なるため、現実には多様なコメントを得るのは容易ではない。
我々は,多様なユーザプロファイルを持つLLMに対して,コメントを生成するフィードバック強化検出フレームワークGenFENDを提案する。
- 参考スコア（独自算出の注目度）: 17.612043837566134
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Fake news detection plays a crucial role in protecting social media users and maintaining a healthy news ecosystem. Among existing works, comment-based fake news detection methods are empirically shown as promising because comments could reflect users' opinions, stances, and emotions and deepen models' understanding of fake news. Unfortunately, due to exposure bias and users' different willingness to comment, it is not easy to obtain diverse comments in reality, especially for early detection scenarios. Without obtaining the comments from the ``silent'' users, the perceived opinions may be incomplete, subsequently affecting news veracity judgment. In this paper, we explore the possibility of finding an alternative source of comments to guarantee the availability of diverse comments, especially those from silent users. Specifically, we propose to adopt large language models (LLMs) as a user simulator and comment generator, and design GenFEND, a generated feedback-enhanced detection framework, which generates comments by prompting LLMs with diverse user profiles and aggregating generated comments from multiple subpopulation groups. Experiments demonstrate the effectiveness of GenFEND and further analysis shows that the generated comments cover more diverse users and could even be more effective than actual comments.
- Abstract（参考訳）: フェイクニュースの検出は、ソーシャルメディアユーザーを保護し、健全なニュースエコシステムを維持する上で重要な役割を果たす。
既存の研究の中で、コメントベースの偽ニュース検出手法は、ユーザーの意見、姿勢、感情を反映し、モデルによる偽ニュースに対する理解を深めるため、実証的に有望であることが実証されている。
残念ながら、露出バイアスとユーザーがコメントする意思が異なるため、特に早期検出シナリオにおいて、現実には多様なコメントを得るのは容易ではない。
サイレント」ユーザからのコメントが得られなければ、認識された意見は不完全であり、その後、ニュースの正確性判断に影響を及ぼす可能性がある。
本稿では,多種多様なコメント,特にサイレントユーザからのコメントの入手を確実にするための代替コメントソースを見つける可能性について検討する。
具体的には,ユーザシミュレータおよびコメントジェネレータとして大規模言語モデル(LLM)を採用することを提案し,複数のサブポピュレーショングループから生成されたコメントを多種多様なユーザプロファイルでプロンプトすることでコメントを生成するフィードバック強化検出フレームワークGenFENDを設計する。
GenFENDの有効性を実証し、さらに分析した結果、生成したコメントがより多様なユーザーをカバーし、実際のコメントよりも効果的である可能性が示されている。
関連論文リスト
- 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) - fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。
本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。
ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
論文 参考訳（メタデータ） (2023-09-20T04:10:03Z) - Mitigating Human and Computer Opinion Fraud via Contrastive Learning [0.0]
本稿では,協調フィルタリングレコメンデータシステムにおける偽テキストレビュー検出への新たなアプローチを提案する。
既存のアルゴリズムは、言語モデルによって生成された偽レビューを検出し、不正直なユーザーによって書かれたテキストを無視している。
本稿では,ユーザ人口特性とテキストレビューを,偽造に対する追加的証拠として活用する,対照的な学習ベースアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-01-08T12:02:28Z) - Personalized Prediction of Offensive News Comments by Considering the
Characteristics of Commenters [0.0]
本研究の目的は、このような攻撃的なコメントを予測し、コメントを読みながら読者の体験の質を向上させることである。
提案手法は,読者の価値観の多様性を考慮し,過去に「悪質」と評価された少数のニュースコメントからのフィードバックに基づいて,各読者に対する攻撃的なニュースコメントを予測する。
提案手法の実験結果から,予測に使用する読者のフィードバックデータが限られている場合でも,予測がパーソナライズ可能であることが示された。
論文 参考訳（メタデータ） (2022-12-26T16:19:03Z) - 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) - Who Shares Fake News? Uncovering Insights from Social Media Users' Post Histories [0.0]
本稿では,ソーシャルメディア利用者の投稿履歴が,偽ニュース共有の研究にあまり使われていないことを提案する。
偽ニュースの共有者を識別し、最も偽ニュースを共有する可能性が最も高いものを予測し、介入を構築するための有望な構成物を特定する。
論文 参考訳（メタデータ） (2022-03-20T14:26:20Z) - User Preference-aware Fake News Detection [61.86175081368782]
既存の偽ニュース検出アルゴリズムは、詐欺信号のニュースコンテンツをマイニングすることに焦点を当てている。
本稿では,共同コンテンツとグラフモデリングにより,ユーザの好みから様々な信号を同時にキャプチャする新しいフレームワークUPFDを提案する。
論文 参考訳（メタデータ） (2021-04-25T21:19:24Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Viable Threat on News Reading: Generating Biased News Using Natural
Language Models [49.90665530780664]
公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。
また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
論文 参考訳（メタデータ） (2020-10-05T16:55:39Z) - 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。