論文の概要: MAPX: An explainable model-agnostic framework for the detection of false information on social media networks
- arxiv url: http://arxiv.org/abs/2409.08522v1
- Date: Fri, 13 Sep 2024 03:45:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-16 17:48:25.291256
- Title: MAPX: An explainable model-agnostic framework for the detection of false information on social media networks
- Title（参考訳）: MAPX:ソーシャルメディア上での偽情報検出のための説明可能なモデル非依存フレームワーク
- Authors: Sarah Condran, Michael Bewong, Selasi Kwashie, Md Zahidul Islam, Irfan Altas, Joshua Condran,
- Abstract要約: 我々はMAPXと呼ばれる新しいモデルに依存しないフレームワークを導入し、予測のエビデンスに基づくアグリゲーションを可能にする。
我々は、MAPXの有効性を示すために、ベンチマークされた偽ニュースデータセットに対して広範な実験を行った。
実験結果から,提案手法は評価されたすべての最先端モデルより一貫して優れていることが示された。
- 参考スコア（独自算出の注目度）: 1.5196326555431678
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automated detection of false information has become a fundamental task in combating the spread of "fake news" on online social media networks (OSMN) as it reduces the need for manual discernment by individuals. In the literature, leveraging various content or context features of OSMN documents have been found useful. However, most of the existing detection models often utilise these features in isolation without regard to the temporal and dynamic changes oft-seen in reality, thus, limiting the robustness of the models. Furthermore, there has been little to no consideration of the impact of the quality of documents' features on the trustworthiness of the final prediction. In this paper, we introduce a novel model-agnostic framework, called MAPX, which allows evidence based aggregation of predictions from existing models in an explainable manner. Indeed, the developed aggregation method is adaptive, dynamic and considers the quality of OSMN document features. Further, we perform extensive experiments on benchmarked fake news datasets to demonstrate the effectiveness of MAPX using various real-world data quality scenarios. Our empirical results show that the proposed framework consistently outperforms all state-of-the-art models evaluated. For reproducibility, a demo of MAPX is available at \href{https://github.com/SCondran/MAPX_framework}{this link}
- Abstract（参考訳）: 偽情報の自動検出は、個人による手動識別の必要性を減らすため、オンラインソーシャルメディアネットワーク(OSMN)におけるフェイクニュースの拡散に対処する上で、基本的な課題となっている。
文献では、OSMN文書の様々な内容やコンテキストの特徴を活用することが有用であることがわかった。
しかし、既存の検出モデルのほとんどは、実際のt-seenの時間的および動的変化を考慮せずに、これらの特徴を分離して利用するため、モデルの堅牢性を制限することができる。
さらに,文書の質が最終予測の信頼性に及ぼす影響についてはほとんど考慮されていない。
本稿では,既存のモデルからの予測のエビデンスに基づくアグリゲーションを説明可能な方法で実現するMAPXと呼ばれる新しいモデル非依存フレームワークを提案する。
実際、開発したアグリゲーション手法は適応的で動的であり、OSMNの文書機能の品質を考慮に入れている。
さらに,実世界の様々なデータ品質シナリオを用いてMAPXの有効性を実証するために,ベンチマークした偽ニュースデータセットについて広範な実験を行った。
実験結果から,提案手法は評価されたすべての最先端モデルより一貫して優れていることが示された。
再現性のため、MAPXのデモは \href{https://github.com/SCondran/MAPX_framework}{this link} で公開されている。
関連論文リスト
- Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness [22.349521957987672]
ソーシャルグラフに基づく偽ニュース検出は、社会的文脈を利用して偽情報を含むニュース記事を特定することを目的としている。
我々は、現実のシナリオを模倣するより現実的な評価スキームを定式化する。
従来の手法の識別能力は,この新しい設定下で急激に低下することを示す。
論文 参考訳（メタデータ） (2024-11-19T05:08:00Z) - LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content [62.816876067499415]
我々は、科学的ArXiv論文に基づくスケーラブルな進化型ライブベンチマークであるLiveXivを提案する。
LiveXivは、任意のタイムスタンプでドメイン固有の原稿にアクセスし、視覚的な問合せペアを自動的に生成することを提案する。
ベンチマークの最初のバージョンで、複数のオープンでプロプライエタリなLMM(Large Multi-modal Models)をベンチマークし、その挑戦的な性質を示し、モデルの真の能力を明らかにする。
論文 参考訳（メタデータ） (2024-10-14T17:51:23Z) - Beyond Under-Alignment: Atomic Preference Enhanced Factuality Tuning for Large Language Models [19.015202590038996]
様々な選好学習アルゴリズムによって調整された異なるモデルの事実性を評価する。
textbfAtomic textbfPreference textbfEnhanced textbfFactuality textbfTuning を提案する。
論文 参考訳（メタデータ） (2024-06-18T09:07:30Z) - Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction [49.15931834209624]
実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。
我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。
さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
論文 参考訳（メタデータ） (2023-05-23T12:05:09Z) - Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。
そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
論文 参考訳（メタデータ） (2023-03-06T11:51:28Z) - Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。
GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
論文 参考訳（メタデータ） (2023-02-06T16:38:43Z) - Interpretable Fake News Detection with Topic and Deep Variational Models [2.15242029196761]
我々は,解釈可能な特徴と手法を用いた偽ニュース検出に焦点をあてる。
我々は,テキストニュースの高密度表現を統合した深層確率モデルを開発した。
我々のモデルは最先端の競合モデルに匹敵する性能を達成する。
論文 参考訳（メタデータ） (2022-09-04T05:31:00Z) - Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution
Detection [55.028065567756066]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。
本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。
バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。
We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
論文 参考訳（メタデータ） (2022-06-26T16:00:22Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - MiDAS: Multi-integrated Domain Adaptive Supervision for Fake News
Detection [3.210653757360955]
偽ニュース検出のためのマルチドメイン適応手法であるMiDASを提案する。
MiDASは既存のモデルと新しいサンプルの関連性をランク付けしている。
9つの偽ニュースデータセットを用いたドリフトデータへの一般化に関するMIDASの評価を行った。
論文 参考訳（メタデータ） (2022-05-19T19:36:08Z)
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。