論文の概要: Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness

• arxiv url: http://arxiv.org/abs/2411.12775v1
• Date: Tue, 19 Nov 2024 05:08:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:13:05.123139
• Title: Revisiting Fake News Detection: Towards Temporality-aware Evaluation by Leveraging Engagement Earliness
• Title（参考訳）: フェイクニュース検出の再検討:エンゲージメントの活用による一時的評価に向けて
• Authors: Junghoon Kim, Junmo Lee, Yeonjun In, Kanghoon Yoon, Chanyoung Park,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 22.349521957987672
• License:
• Abstract: Social graph-based fake news detection aims to identify news articles containing false information by utilizing social contexts, e.g., user information, tweets and comments. However, conventional methods are evaluated under less realistic scenarios, where the model has access to future knowledge on article-related and context-related data during training. In this work, we newly formalize a more realistic evaluation scheme that mimics real-world scenarios, where the data is temporality-aware and the detection model can only be trained on data collected up to a certain point in time. We show that the discriminative capabilities of conventional methods decrease sharply under this new setting, and further propose DAWN, a method more applicable to such scenarios. Our empirical findings indicate that later engagements (e.g., consuming or reposting news) contribute more to noisy edges that link real news-fake news pairs in the social graph. Motivated by this, we utilize feature representations of engagement earliness to guide an edge weight estimator to suppress the weights of such noisy edges, thereby enhancing the detection performance of DAWN. Through extensive experiments, we demonstrate that DAWN outperforms existing fake news detection methods under real-world environments. The source code is available at https://github.com/LeeJunmo/DAWN.
• Abstract（参考訳）: ソーシャルグラフに基づく偽ニュース検出は、ソーシャルコンテキスト、ユーザ情報、つぶやき、コメントを利用して、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。 しかし、従来の手法はより現実的なシナリオで評価され、トレーニング中に記事や文脈に関するデータに関する将来の知識にモデルがアクセスできるようになる。 本研究では,リアルタイムのシナリオを模倣する,より現実的な評価手法を新たに定式化した。その場合,データは時間的に認識され,検出モデルは一定の時点まで収集されたデータに対してのみ訓練することができる。 従来の手法の識別能力は,この新しい設定で急激に低下し,さらにDAWNを提案する。 私たちの経験から、後続のエンゲージメント(例えば、ニュースを消費したり、再投稿したり)が、ソーシャルグラフ内の本当のニュースとニュースのペアを結びつけるノイズの多いエッジに寄与することを示している。 これにより、係合耳線の特徴表現を利用して、エッジウェイト推定器を誘導し、そのようなノイズの多いエッジの重みを抑え、DAWNの検出性能を向上させる。 DAWNは実環境下でのフェイクニュースの検出方法よりも優れていることを示す。 ソースコードはhttps://github.com/LeeJunmo/DAWN.comで入手できる。

関連論文リスト

• Less is More: Unseen Domain Fake News Detection via Causal Propagation Substructures [13.80520305397377]
  本稿では,Causal Subgraph-oriented Domain Adaptive Fake News Detectionモデルを提案する。 伝播グラフから因果部分構造を抽出することにより、ゼロショットフェイクニュースの検出を強化するように設計されている。 他の最先端モデルに比べて7～16パーセントの精度向上を実現している。
  論文  参考訳（メタデータ） (2024-11-14T12:05:35Z)
• 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)
• Exploring the Limits of Historical Information for Temporal Knowledge Graph Extrapolation [59.417443739208146]
  本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。 CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。 提案したモデルを5つのベンチマークグラフで評価する。
  論文  参考訳（メタデータ） (2023-08-29T03:26:38Z)
• 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)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• A Systematic Review on the Detection of Fake News Articles [0.0]
  偽ニュースや偽情報の拡散は世界中の社会に脅威をもたらすと論じられている。 この脅威に対処するため、自然言語処理(NLP)アプローチが開発されている。 本稿は,最も性能の高い偽ニュース検出手法の定式化,既存手法による制約の特定,緩和手法の提案を目的とする。
  論文  参考訳（メタデータ） (2021-10-18T21:29:11Z)
• 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)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。