論文の概要: Overview of Factify5WQA: Fact Verification through 5W Question-Answering

• arxiv url: http://arxiv.org/abs/2410.04236v1
• Date: Sat, 5 Oct 2024 17:28:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 08:59:37.572605
• Title: Overview of Factify5WQA: Fact Verification through 5W Question-Answering
• Title（参考訳）: Factify5WQAの概要
• Authors: Suryavardan Suresh, Anku Rani, Parth Patwa, Aishwarya Reganti, Vinija Jain, Aman Chadha, Amitava Das, Amit Sheth, Asif Ekbal,
• Abstract要約: Factify5WQAタスクは、偽ニュースの自動検出に向けた研究を強化することを目的としている。 最高成績のチームは69.56%の精度でベースラインを35%上回った。
• 参考スコア（独自算出の注目度）: 25.679348027485254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Researchers have found that fake news spreads much times faster than real news. This is a major problem, especially in today's world where social media is the key source of news for many among the younger population. Fact verification, thus, becomes an important task and many media sites contribute to the cause. Manual fact verification is a tedious task, given the volume of fake news online. The Factify5WQA shared task aims to increase research towards automated fake news detection by providing a dataset with an aspect-based question answering based fact verification method. Each claim and its supporting document is associated with 5W questions that help compare the two information sources. The objective performance measure in the task is done by comparing answers using BLEU score to measure the accuracy of the answers, followed by an accuracy measure of the classification. The task had submissions using custom training setup and pre-trained language-models among others. The best performing team posted an accuracy of 69.56%, which is a near 35% improvement over the baseline.
• Abstract（参考訳）: フェイクニュースが本物のニュースよりずっと速く拡散していることが、研究者たちによって発見されました。 これは特に、ソーシャルメディアが若い世代の多くにとって重要なニュースの源となっている現代の世界では大きな問題である。 したがって、ファクト検証は重要な課題となり、多くのメディアサイトが原因に貢献している。 ネット上の偽ニュースの数を考えると、手動の事実検証は面倒な作業だ。 Factify5WQA共有タスクは、アスペクトベースの質問応答に基づく事実検証手法を備えたデータセットを提供することで、自動フェイクニュース検出に向けた研究を強化することを目的としている。 各クレームとそのサポートドキュメントは,2つの情報ソースを比較するのに役立つ5W質問に関連付けられている。 目標性能測定はBLEUスコアを用いて回答を比較して回答の精度を計測し、次にその分類の精度測定を行う。 このタスクは、カスタムトレーニング設定や事前訓練された言語モデルなどを使用して提出された。 最高成績のチームは69.56%の精度でベースラインを35%上回った。

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)
• Findings of Factify 2: Multimodal Fake News Detection [36.34201719103715]
  本稿では,マルチモーダルな事実検証と風刺ニュースデータセットを提供するFactify 2共有タスクの結果を示す。 このデータでは,マルチモーダル関係に基づく5つのクラスに分けて,ソーシャルメディアの主張をテキストと画像の両方で支援文書と組み合わせることで,タスクに対する比較に基づくアプローチが求められている。 全5クラスの平均得点は81.82%であった。
  論文  参考訳（メタデータ） (2023-07-19T22:14:49Z)
• 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)
• FACTIFY-5WQA: 5W Aspect-based Fact Verification through Question Answering [3.0401523614135333]
  人間のファクトチェッカーは一般的に、検証の至上性のクレームを検証するためのいくつかの論理的なステップに従う。 アスペクトベースの(どの部分(s)が真で、どれが偽であるかを記述)説明可能なシステムを持つことが必要である。 本稿では,質問応答に基づく事実説明可能性のための5Wフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-07T16:52:21Z)
• Factify 2: A Multimodal Fake News and Satire News Dataset [36.34201719103715]
  我々は、FACTIFY 2と呼ばれるマルチモーダルなファクトチェックデータセットを提供し、新しいデータソースを使用してFactify 1を改善し、風刺記事を追加する。 FACTIFY 1.0と同様に、私たちは3つの幅広いカテゴリ、すなわち、サポート、証拠なし、反響があり、視覚的およびテキスト的データの詳細に基づいたサブカテゴリがあります。 BERT と Vison Transformer ベースのベースラインも提供しています。
  論文  参考訳（メタデータ） (2023-04-08T03:14:19Z)
• Discord Questions: A Computational Approach To Diversity Analysis in News Coverage [84.55145223950427]
  本稿では,情報源の違いを識別し,ニュース報道の多様性を理解する上で,読者を支援する新しい枠組みを提案する。 このフレームワークはDiscord Questionsの生成に基づいている。
  論文  参考訳（メタデータ） (2022-11-09T16:37:55Z)
• Fake News Detection: Experiments and Approaches beyond Linguistic Features [0.0]
  ニュース記事に関連付けられた信頼性情報とメタデータは、結果の改善に利用されてきた。 実験はまた、モデリングの正当性や証拠が、どのようにしてより良い結果をもたらすかを示す。
  論文  参考訳（メタデータ） (2021-09-27T10:00:44Z)
• A Study of Fake News Reading and Annotating in Social Media Context [1.0499611180329804]
  我々は、44名のレイト参加者に、ニュース記事を含む投稿を含むソーシャルメディアフィードをさりげなく読み取らせるという、視線追跡研究を提示した。 第2回では,参加者に対して,これらの記事の真偽を判断するよう求めた。 また、同様のシナリオを用いたフォローアップ定性的な研究についても述べるが、今回は7人の専門家によるフェイクニュースアノテータを用いた。
  論文  参考訳（メタデータ） (2021-09-26T08:11:17Z)
• FaVIQ: FAct Verification from Information-seeking Questions [77.7067957445298]
  実ユーザによる情報探索質問を用いて,ファVIQと呼ばれる大規模事実検証データセットを構築した。 我々の主張は自然であると証明され、語彙バイアスがほとんどなく、検証の証拠を完全に理解する必要がある。
  論文  参考訳（メタデータ） (2021-07-05T17:31:44Z)
• Generating Fact Checking Briefs [97.82546239639964]
  本研究では, 事実確認の精度と効率を高めるために, 事実確認を行う前に, クレームに関する情報を提供することにより, 事実確認の精度と効率を高める方法について検討する。 我々は,クレームに条件付き質問セットを生成し,証拠を検索し,回答を生成するモデルQABrieferを開発した。 本研究では,特にQABriefsにおけるブリーフィングによる事実チェックによって,クラウドワーカーの精度が10%向上すると同時に,時間もわずかに低下することを示す。
  論文  参考訳（メタデータ） (2020-11-10T23:02:47Z)
• 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。