論文の概要: Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph
- arxiv url: http://arxiv.org/abs/2406.09884v1
- Date: Fri, 14 Jun 2024 09:55:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 01:31:17.305704
- Title: Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph
- Title（参考訳）: クロスモーダルつぶやきグラフを用いたラベル伝搬によるソーシャルメディアにおけるフェイクニュース検出の促進
- Authors: Wanqing Zhao, Yuta Nakashima, Haiyuan Chen, Noboru Babaguchi,
- Abstract要約: ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。
我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。
評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
- 参考スコア（独自算出の注目度）: 19.409935976725446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fake news detection in social media has become increasingly important due to the rapid proliferation of personal media channels and the consequential dissemination of misleading information. Existing methods, which primarily rely on multimodal features and graph-based techniques, have shown promising performance in detecting fake news. However, they still face a limitation, i.e., sparsity in graph connections, which hinders capturing possible interactions among tweets. This challenge has motivated us to explore a novel method that densifies the graph's connectivity to capture denser interaction better. Our method constructs a cross-modal tweet graph using CLIP, which encodes images and text into a unified space, allowing us to extract potential connections based on similarities in text and images. We then design a Feature Contextualization Network with Label Propagation (FCN-LP) to model the interaction among tweets as well as positive or negative correlations between predicted labels of connected tweets. The propagated labels from the graph are weighted and aggregated for the final detection. To enhance the model's generalization ability to unseen events, we introduce a domain generalization loss that ensures consistent features between tweets on seen and unseen events. We use three publicly available fake news datasets, Twitter, PHEME, and Weibo, for evaluation. Our method consistently improves the performance over the state-of-the-art methods on all benchmark datasets and effectively demonstrates its aptitude for generalizing fake news detection in social media.
- Abstract（参考訳）: ソーシャルメディアにおけるフェイクニュースの検出は、ソーシャルメディアチャネルの急速な普及と、誤読情報の普及により、ますます重要になっている。
既存の手法は主にマルチモーダルな特徴とグラフベースの手法に依存しており、フェイクニュースを検出する上で有望な性能を示している。
しかし、これらは依然として制限に直面しており、例えば、グラフ接続のスパーシリティは、ツイート間の相互作用を捉えることを妨げている。
この課題は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める新しい方法を模索する動機となった。
提案手法は,CLIPを用いて,画像とテキストを統一された空間に符号化し,テキストと画像の類似性に基づいた潜在的な接続を抽出する。
次に、ツイート間の相互作用をモデル化する特徴文脈化ネットワーク(FCN-LP)を設計し、また、接続されたツイートのラベルの予測されたラベル間の正あるいは負の相関をモデル化する。
グラフからの伝播ラベルは、最終検出のために重み付けされ集約される。
イベントを隠蔽するモデルの一般化能力を高めるために、目に見えないイベントと見えないイベントを一貫した特徴を保証する領域一般化損失を導入する。
評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
提案手法は,すべてのベンチマークデータセットにおける最先端手法よりも常に性能を向上し,ソーシャルメディアにおける偽ニュース検出の一般化に有効であることを示す。
関連論文リスト
- GAMC: An Unsupervised Method for Fake News Detection using Graph
Autoencoder with Masking [18.783663535152158]
グラフベースのテクニックは、このソーシャルコンテキストを取り入れているが、大きなラベル付きデータセットの必要性によって制限されている。
本稿では,マスキングとコントラスト学習を備えたグラフオートエンコーダを用いた,教師なしの偽ニュース検出手法であるGAMCを紹介する。
情報伝達のコンテキストと内容の両方を自己教師付き信号として活用することにより,ラベル付きデータセットの要求を無効化する。
論文 参考訳（メタデータ） (2023-12-10T03:34:29Z) - 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) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - 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) - Modelling Social Context for Fake News Detection: A Graph Neural Network
Based Approach [0.39146761527401425]
フェイクニュースの検出は、情報の信頼性を確保し、ニュースエコシステムの信頼性を維持するために不可欠である。
本稿では,ハイブリッドグラフニューラルネットワークによる偽ニュース検出の社会的文脈を解析した。
論文 参考訳（メタデータ） (2022-07-27T12:58:33Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳（メタデータ） (2022-05-24T16:22:40Z) - GAME-ON: Graph Attention Network based Multimodal Fusion for Fake News Detection [6.037721620350107]
我々は,マルチモーダルフェイクニュース検出のためのより堅牢なデータ表現を学習するための,グラフニューラルネットワークに基づくエンドツーエンドトレーニング可能なフレームワークであるGAME-ONを提案する。
当社のモデルはTwitter上で平均11%向上し、Weiboでは2.6%のマージンで競争力を維持する一方で、最も優れた最先端ベースラインよりも65%少ないパラメータを使用する。
論文 参考訳（メタデータ） (2022-02-25T03:27:37Z) - Hetero-SCAN: Towards Social Context Aware Fake News Detection via
Heterogeneous Graph Neural Network [11.145085584637744]
異種グラフニューラルネットワークに基づく新しい社会的文脈認識型偽ニュース検出手法Hetero-SCANを提案する。
我々は,Hetero-SCANが,最先端のテキストベースおよびグラフベースの偽ニュース検出手法に対して,性能と効率の面で大幅な改善をもたらすことを実証した。
論文 参考訳（メタデータ） (2021-09-13T15:21:44Z) - 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)
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。