論文の概要: Fake News Detection via Wisdom of Synthetic & Representative Crowds
- arxiv url: http://arxiv.org/abs/2408.03154v1
- Date: Tue, 6 Aug 2024 12:54:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-07 14:07:58.197593
- Title: Fake News Detection via Wisdom of Synthetic & Representative Crowds
- Title（参考訳）: 合成・代表的集団の知恵によるフェイクニュース検出
- Authors: François t'Serstevens, Roberto Cerina, Giulia Piccillo,
- Abstract要約: ソーシャルメディア企業は「フェイクニュース」の民主的合法的な定義を提供するのに苦労してきた
本稿では,X 上での「合成・代表的群集の知恵」を介して偽ニュースを検出する,新しいエンドツーエンド手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media companies have struggled to provide a democratically legitimate definition of "Fake News". Reliance on expert judgment has attracted criticism due to a general trust deficit and political polarisation. Approaches reliant on the ``wisdom of the crowds'' are a cost-effective, transparent and inclusive alternative. This paper provides a novel end-to-end methodology to detect fake news on X via "wisdom of the synthetic & representative crowds". We deploy an online survey on the Lucid platform to gather veracity assessments for a number of pandemic-related tweets from crowd-workers. Borrowing from the MrP literature, we train a Hierarchical Bayesian model to predict the veracity of each tweet from the perspective of different personae from the population of interest. We then weight the predicted veracity assessments according to a representative stratification frame, such that decisions about ``fake'' tweets are representative of the overall polity of interest. Based on these aggregated scores, we analyse a corpus of tweets and perform a second MrP to generate state-level estimates of the number of people who share fake news. We find small but statistically meaningful heterogeneity in fake news sharing across US states. At the individual-level: i. sharing fake news is generally rare, with an average sharing probability interval [0.07,0.14]; ii. strong evidence that Democrats share less fake news, accounting for a reduction in the sharing odds of [57.3%,3.9%] relative to the average user; iii. when Republican definitions of fake news are used, it is the latter who show a decrease in the propensity to share fake news worth [50.8%, 2.0%]; iv. some evidence that women share less fake news than men, an effect worth a [29.5%,4.9%] decrease.
- Abstract（参考訳）: ソーシャルメディア企業は「フェイクニュース」の民主的合法的な定義を提供するのに苦労してきた。
専門家の判断への信頼は、一般的な信頼の欠如と政治的偏見によって批判を招いている。
群衆の知恵」に依存するアプローチは、コスト効率が高く、透明で包括的な代替手段である。
本稿では,X 上の偽ニュースを「合成・代表的群集の知恵」を介して検出する,新しいエンドツーエンド手法を提案する。
我々はLucidプラットフォーム上でオンライン調査を実施し、群衆労働者によるパンデミックに関連するツイートの正確性評価を収集した。
MrPの文献から引用すると、我々は階層的ベイズモデルを訓練し、関心の人口から異なる人格の観点から各ツイートの正確性を予測する。
次に,「フェイク」ツイートに関する決定が関心の全体的ポリティを表すように,代表的階層化フレームに従って予測された妥当性評価を重み付けする。
これらのスコアに基づいて、ツイートのコーパスを分析し、第2のMrPを実行し、フェイクニュースを共有する人数の州レベルの推定値を生成する。
米国全州で偽ニュースを共有することで、小さなが統計的に意味のある異質性を見つける。
個々のレベルでは、i。
偽ニュースを共有することは一般的に稀であり、平均的な共有確率間隔[0.07,0.14]; ii。
民主党がフェイクニュースのシェアを減らし、平均的なユーザーに対して[57.3%,3.9%]のシェア確率を減らしているという強い証拠がある。iii.
偽ニュースを共和党が定義する場合、偽ニュースをシェアする機会の減少を示すのは後者である[50.8%, 2.0%]。
偽ニュースが男性より少ないという証拠もある 効果は[29.5%,4.9%]減少する
関連論文リスト
- Fake News Detection and Behavioral Analysis: Case of COVID-19 [0.22940141855172028]
パンデミックに関する偽ニュースの拡散による「情報デミック」が世界的な問題となっている。
読者は偽ニュースを本当のニュースと間違える可能性があり、その結果、本物の情報にアクセスできなくなる。
ソーシャルメディアの投稿で偽のニュースデータを正確に識別することは困難である。
論文 参考訳（メタデータ） (2023-05-25T13:42:08Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - 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) - FALSE: Fake News Automatic and Lightweight Solution [0.20999222360659603]
本稿では,現代のフェイクニュースデータセットの研究と可視化にR符号を用いた。
クラスタリング、分類、相関、およびさまざまなプロットを使用してデータを分析し、提示する。
論文 参考訳（メタデータ） (2022-08-16T11:53:30Z) - Arabic Fake News Detection Based on Deep Contextualized Embedding Models [3.425727850372357]
英語で偽ニュースを検出するために多くの研究がなされているが、アラビア語で偽ニュースを検出する研究は少ない。
我々は、大きくて多様なアラビアの偽ニュースデータセットを構築した。
我々は8つの最先端のアラビア語組込みモデルを利用して、偽ニュースを識別するトランスフォーマーベースの分類器を開発し、評価した。
我々は、現在最先端のアラビア語の文脈化埋め込みモデルと、同様の偽ニュース検出システムの比較を徹底的に分析する。
論文 参考訳（メタデータ） (2022-05-06T09:54:35Z) - Stance Detection with BERT Embeddings for Credibility Analysis of
Information on Social Media [1.7616042687330642]
本稿では,記事の内容とともに,その特徴の1つとして姿勢を用いた偽ニュースを検出するモデルを提案する。
本研究は,自動的特徴抽出とテキストの関連性でコンテンツを解釈する。
実世界のデータセットで行った実験は、我々のモデルが以前の研究より優れており、95.32%の精度で偽ニュースの検出を可能にすることを示している。
論文 参考訳（メタデータ） (2021-05-21T10:46:43Z) - 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) - The Rise and Fall of Fake News sites: A Traffic Analysis [62.51737815926007]
偽ニュースサイトのオンラインプレゼンスを調査し、実際のニュースサイトと比較してその行動を特徴づけます。
そこで本研究では,偽ニュースサイトを自動的に検出するコンテンツ非依存のMLを構築した。
論文 参考訳（メタデータ） (2021-03-16T18:10:22Z) - A Survey on Predicting the Factuality and the Bias of News Media [29.032850263311342]
「事実と偏見のためのメディアプロファイリングの現状」
「西洋政治の背景にある政治的偏見検出は、左中右偏見の予測である」
「異なる情報源とモダリティの使用の最近の進歩」
論文 参考訳（メタデータ） (2021-03-16T11:11:54Z) - How does Truth Evolve into Fake News? An Empirical Study of Fake News
Evolution [55.27685924751459]
偽ニュース進化過程を追跡する新しいデータセットであるフェイクニュース進化データセットを提示する。
私たちのデータセットは950のペアデータで構成され、それぞれが真実、偽ニュース、進化した偽ニュースを表す記事で構成されています。
進化中の特徴を観察し,誤情報技術,テキスト類似性,キーワードトップ10,分類精度,発話部分,感情特性について検討した。
論文 参考訳（メタデータ） (2021-03-10T09:01:34Z) - 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。