論文の概要: Detecting Fake News on Social Media: A Novel Reliability Aware Machine-Crowd Hybrid Intelligence-Based Method

• arxiv url: http://arxiv.org/abs/2412.06833v1
• Date: Sat, 07 Dec 2024 02:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:38:09.586515
• Title: Detecting Fake News on Social Media: A Novel Reliability Aware Machine-Crowd Hybrid Intelligence-Based Method
• Title（参考訳）: ソーシャルメディア上のフェイクニュースを検出する: マシン・クラウド・ハイブリッド・インテリジェンスに基づく新しい信頼性
• Authors: Yidong Chai, Kangwei Shi, Jiaheng Xie, Chunli Liu, Yuanchun Jiang, Yezheng Liu,
• Abstract要約: ソーシャルメディアプラットフォームにおけるフェイクニュースは、社会システムに重大な脅威をもたらす。 偽ニュース検出のための信頼性認識ハイブリッドインテリジェンス(RAHI)手法を提案する。
• 参考スコア（独自算出の注目度）: 3.6317563314707293
• License:
• Abstract: Fake news on social media platforms poses a significant threat to societal systems, underscoring the urgent need for advanced detection methods. The existing detection methods can be divided into machine intelligence-based, crowd intelligence-based, and hybrid intelligence-based methods. Among them, hybrid intelligence-based methods achieve the best performance but fail to consider the reliability issue in detection. In light of this, we propose a novel Reliability Aware Hybrid Intelligence (RAHI) method for fake news detection. Our method comprises three integral modules. The first module employs a Bayesian deep learning model to capture the inherent reliability within machine intelligence. The second module uses an Item Response Theory (IRT)-based user response aggregation to account for the reliability in crowd intelligence. The third module introduces a new distribution fusion mechanism, which takes the distributions derived from both machine and crowd intelligence as input, and outputs a fused distribution that provides predictions along with the associated reliability. The experiments on the Weibo dataset demonstrate the advantages of our method. This study contributes to the research field with a novel RAHI-based method, and the code is shared at https://github.com/Kangwei-g/RAHI. This study has practical implications for three key stakeholders: internet users, online platform managers, and the government.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上でのフェイクニュースは、社会的システムに重大な脅威をもたらし、高度な検知方法の緊急な必要性を浮き彫りにしている。 既存の検出方法は、マシンインテリジェンスベース、クラウドインテリジェンスベース、ハイブリッドインテリジェンスベースに分けることができる。 その中でも、ハイブリッドインテリジェンスベースの手法は、最高の性能を達成するが、検出における信頼性の問題を考慮することができない。 そこで本研究では,フェイクニュース検出のための信頼性認識ハイブリッドインテリジェンス(RAHI)手法を提案する。 この方法は3つの積分加群からなる。 最初のモジュールはベイジアンディープラーニングモデルを使用して、マシンインテリジェンス内の固有の信頼性をキャプチャする。 第2のモジュールは、アイテム応答理論(IRT)ベースのユーザ応答アグリゲーションを使用して、クラウドインテリジェンスの信頼性を考慮に入れている。 第3のモジュールは、マシンインテリジェンスとクラウドインテリジェンスの両方から派生した分散を入力として、関連する信頼性とともに予測を提供する融合ディストリビューションを出力する、新しい分散融合機構を導入している。 Weiboデータセットを用いた実験は,本手法の利点を実証する。 本研究はRAHIに基づく新しい手法で研究分野に貢献し,そのコードはhttps://github.com/Kangwei-g/RAHIで共有されている。 本研究は,インターネットユーザ,オンラインプラットフォームマネージャ,政府という3つの主要な利害関係者に対して,実践的な意味を持つ。

関連論文リスト

• A Survey of Machine Learning-based Physical-Layer Authentication in Wireless Communications [17.707450193500698]
  無線環境におけるユニークな特性の活用により,Physical-Layer Authentication (PLA) が有望な補完として浮上している。 本稿では,MLベースのPLAで使用可能な特徴と技術について,包括的に調査する。
  論文  参考訳（メタデータ） (2024-11-15T03:01:23Z)
• Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
  ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。 提案手法の有効性を広範囲な実験により実証する。
  論文  参考訳（メタデータ） (2024-04-06T13:14:04Z)
• Integrating Large Pre-trained Models into Multimodal Named Entity Recognition with Evidential Fusion [31.234455370113075]
  本稿では,MNERタスクに不確実性推定を取り入れ,信頼に値する予測を生成することを提案する。 提案アルゴリズムは,各モードの分布を正規逆ガンマ分布としてモデル化し,それらを統一分布に融合する。 2つのデータセットの実験により,提案手法がベースラインを上回り,新しい最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-06-29T14:50:23Z)
• GowFed -- A novel Federated Network Intrusion Detection System [0.15469452301122172]
  本研究は,Gower Dissimilarity行列とFederated Averagingを併用したネットワーク脅威検出システムであるGowFedを紹介する。 GowFedのアプローチは,(1)バニラバージョン,(2)アテンション機構を備えたバージョンなど,最先端の知識に基づいて開発されている。 全体として、GowFedは、産業レベルのネットワークにおけるネットワーク脅威を検出するためのフェデレートラーニングとガウワーの相違行列の併用に向けた最初の一歩となる。
  論文  参考訳（メタデータ） (2022-10-28T23:53:37Z)
• Perfectly Secure Steganography Using Minimum Entropy Coupling [60.154855689780796]
  カチン1998のステガノグラフィー情報理論モデルでは, ステガノグラフィーの術式は完全に安全であることが示されている。 また, 完全セキュアな手順の中で, 最小エントロピー結合によって誘導される場合に限, 情報スループットが最大になることを示す。
  論文  参考訳（メタデータ） (2022-10-24T17:40:07Z)
• A High-Performance Customer Churn Prediction System based on Self-Attention [9.83578821760002]
  本研究は,商業銀行顧客に関する公開データセットの実験を行う。 本稿では,自己注意強化型ニューラルネットワーク(HNNSAE)を提案する。
  論文  参考訳（メタデータ） (2022-06-03T12:16:24Z)
• ConAM: Confidence Attention Module for Convolutional Neural Networks [1.3571579680845614]
  本研究では,局所的な文脈情報とグローバルな文脈情報との相関に基づく新しいアテンション機構を提案する。 本手法は,少ないパラメータで情報量を増加させつつ,無駄な情報を抑制する。 私たちはPythonライブラリのPytorchでConAMを実装しています。
  論文  参考訳（メタデータ） (2021-10-27T12:06:31Z)
• Uncertainty Quantification 360: A Holistic Toolkit for Quantifying and Communicating the Uncertainty of AI [49.64037266892634]
  我々は、AIモデルの不確実性定量化のためのオープンソースのPythonツールキットUncertainty Quantification 360 (UQ360)について述べる。 このツールキットの目標は2つある: ひとつは、AIアプリケーション開発ライフサイクルにおける不確実性を定量化し、評価し、改善し、伝達する共通のプラクティスを育むとともに、合理化するための幅広い能力を提供すること、もうひとつは、信頼できるAIの他の柱とのUQの接続をさらに探求することである。
  論文  参考訳（メタデータ） (2021-06-02T18:29:04Z)
• UnitedQA: A Hybrid Approach for Open Domain Question Answering [70.54286377610953]
  最近の訓練済みのニューラル言語モデルに基づいて,抽出的および生成的読取能力を高めるために,新しい手法を適用した。 私たちのアプローチは、それぞれNaturalQuestionsとTriviaQAと正確な一致で、以前の最先端のモデルを3.3と2.7ポイント上回る。
  論文  参考訳（メタデータ） (2021-01-01T06:36:16Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• PIN: A Novel Parallel Interactive Network for Spoken Language Understanding [68.53121591998483]
  既存の RNN ベースのアプローチでは、ID と SF のタスクは、それらの間の相関情報を利用するために、しばしば共同でモデル化される。 SNIPSとATISという2つのベンチマークデータセットによる実験は、我々のアプローチの有効性を実証している。 さらに,事前学習した言語モデルBERTが生成した発話の特徴埋め込みを用いて,提案手法はすべての比較手法の中で最先端の手法を実現する。
  論文  参考訳（メタデータ） (2020-09-28T15:59:31Z)

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。