論文の概要: RaCMC: Residual-Aware Compensation Network with Multi-Granularity Constraints for Fake News Detection
- arxiv url: http://arxiv.org/abs/2412.18254v1
- Date: Tue, 24 Dec 2024 08:08:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-25 15:54:59.260756
- Title: RaCMC: Residual-Aware Compensation Network with Multi-Granularity Constraints for Fake News Detection
- Title（参考訳）: RaCMC:フェイクニュース検出のためのマルチグラニュラリティ制約付き残留認識補償ネットワーク
- Authors: Xinquan Yu, Ziqi Sheng, Wei Lu, Xiangyang Luo, Jiantao Zhou,
- Abstract要約: マルチモーダルフェイクニュース検出は、実ニュースや偽ニュースを自動的に識別することを目的としており、このような誤報による有害な影響を軽減している。
疑似ニュース検出のための複数粒度制約を持つ残差認識型補償ネットワークを提案する。
Weibo17、Politfact、GossipCopを含む3つの公開データセットの実験は、提案手法の優位性を明らかにしている。
- 参考スコア（独自算出の注目度）: 24.91068046428761
- License:
- Abstract: Multimodal fake news detection aims to automatically identify real or fake news, thereby mitigating the adverse effects caused by such misinformation. Although prevailing approaches have demonstrated their effectiveness, challenges persist in cross-modal feature fusion and refinement for classification. To address this, we present a residual-aware compensation network with multi-granularity constraints (RaCMC) for fake news detection, that aims to sufficiently interact and fuse cross-modal features while amplifying the differences between real and fake news. First, a multiscale residual-aware compensation module is designed to interact and fuse features at different scales, and ensure both the consistency and exclusivity of feature interaction, thus acquiring high-quality features. Second, a multi-granularity constraints module is implemented to limit the distribution of both the news overall and the image-text pairs within the news, thus amplifying the differences between real and fake news at the news and feature levels. Finally, a dominant feature fusion reasoning module is developed to comprehensively evaluate news authenticity from the perspectives of both consistency and inconsistency. Experiments on three public datasets, including Weibo17, Politifact and GossipCop, reveal the superiority of the proposed method.
- Abstract（参考訳）: マルチモーダルフェイクニュース検出は、実ニュースや偽ニュースを自動的に識別することを目的としており、このような誤報による有害な影響を軽減している。
一般的なアプローチではその効果が証明されているが、クロスモーダルな特徴融合と分類の洗練には課題が続いている。
そこで本研究では,実ニュースと偽ニュースの差異を増幅しつつ,十分な相互作用と相互接続を実現することを目的とした,偽ニュース検出のための多粒性制約(RaCMC)を有する残留認識補償ネットワークを提案する。
第一に、マルチスケール残差補償モジュールは、異なるスケールで機能と融合し、機能相互作用の一貫性と排他性の両方を保証し、高品質な機能を取得するように設計されている。
第2に、ニュース全体とニュース内の画像テキストペアの両方の分布を制限するために、複数粒度制約モジュールを実装し、ニュースと特徴レベルの実ニュースと偽ニュースの違いを増幅する。
最後に、一貫性と矛盾性の両方の観点から、ニュースの信頼性を包括的に評価するために、主要な特徴融合推論モジュールを開発した。
Weibo17、Politfact、GossipCopを含む3つの公開データセットの実験は、提案手法の優位性を明らかにしている。
関連論文リスト
- Multimodal Inverse Attention Network with Intrinsic Discriminant Feature Exploitation for Fake News Detection [15.472199961982271]
マルチモーダルフェイクニュース検出は、社会保障に深く影響しているため、大きな注目を集めている。
本稿では,ニュースコンテンツに基づく固有識別特徴を探索し,偽ニュース検出を推し進める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-03T07:58:22Z) - Modality Interactive Mixture-of-Experts for Fake News Detection [13.508494216511094]
フェイクニュース検出のためのModality Interactive Mixture-of-Experts(MIMoE-FND)を提案する。
MIMoE-FNDは、マルチモーダルフェイクニュース検出を強化するために設計された、新しい階層型Mixture-of-Expertsフレームワークである。
2つの言語にまたがる3つの実世界のベンチマークに対する我々のアプローチを評価し、最先端の手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2025-01-21T16:49:00Z) - Detect, Investigate, Judge and Determine: A Knowledge-guided Framework for Few-shot Fake News Detection [50.079690200471454]
Few-Shot Fake News Detection (FS-FND) は、極めて低リソースのシナリオにおいて、非正確なニュースを実際のニュースと区別することを目的としている。
ソーシャルメディア上でのフェイクニュースの拡散や有害な影響により、このタスクは注目を集めている。
本稿では,内外からLLMを増強するDual-perspective Knowledge-Guided Fake News Detection (DKFND)モデルを提案する。
論文 参考訳（メタデータ） (2024-07-12T03:15:01Z) - Retain, Blend, and Exchange: A Quality-aware Spatial-Stereo Fusion Approach for Event Stream Recognition [57.74076383449153]
本稿では,差分融合によるイベントストリームに基づくパターン認識のための新しいデュアルストリームフレームワークEFV++を提案する。
イベントイメージとイベントボクセルという2つの共通のイベント表現を同時にモデル化する。
Bullying10kデータセットで新しい最先端のパフォーマンス、すなわち90.51%$を達成し、2位を+2.21%$で上回る。
論文 参考訳（メタデータ） (2024-06-27T02:32:46Z) - Inconsistent Matters: A Knowledge-guided Dual-consistency Network for
Multi-modal Rumor Detection [53.48346699224921]
マルチメディアコンテンツによる噂を検出するために,知識誘導型二元整合ネットワークを提案する。
2つの一貫性検出ツールを使用して、クロスモーダルレベルとコンテント知識レベルの不整合を同時にキャプチャする。
また、異なる視覚的モダリティ条件下で頑健なマルチモーダル表現学習を可能にする。
論文 参考訳（メタデータ） (2023-06-03T15:32:20Z) - Multi-modal Fake News Detection on Social Media via Multi-grained
Information Fusion [21.042970740577648]
偽ニュース検出のためのMMFN(Multi-fine Multi-modal Fusion Network)を提案する。
そこで我々は,トランスフォーマーを用いた事前学習モデルを用いて,テキストと画像からトークンレベルの特徴を符号化する。
マルチモーダルモジュールは、CLIPエンコーダでエンコードされた粗い機能を考慮して、きめ細かい機能をフューズする。
論文 参考訳（メタデータ） (2023-04-03T09:13:59Z) - 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) - Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。
偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
論文 参考訳（メタデータ） (2022-11-25T18:24:17Z) - Multimodal Fake News Detection with Adaptive Unimodal Representation
Aggregation [28.564442206829625]
AURAは、適応的な一助表現アグリゲーションを備えたマルチモーダルフェイクニュース検出ネットワークである。
我々は,一様および多様の表現に従って,粗いレベルの偽ニュース検出とクロスモーダルな共存学習を行う。
WeiboとGossipcopの実験は、AURAがいくつかの最先端のFNDスキームに勝つことを証明している。
論文 参考訳（メタデータ） (2022-06-12T14:06:55Z) - A Multi-Policy Framework for Deep Learning-Based Fake News Detection [0.31498833540989407]
フェイクニュース検出を自動化するフレームワークであるMPSC(Multi-Policy Statement Checker)を導入する。
MPSCは、深層学習技術を用いて、文自体とその関連するニュース記事を分析し、それが信頼できるか疑わしいかを予測する。
論文 参考訳（メタデータ） (2022-06-01T21:25:21Z) - Weakly Aligned Feature Fusion for Multimodal Object Detection [52.15436349488198]
マルチモーダルデータはしばしば位置ずれの問題に悩まされます。つまり、イメージペアは厳密に一致していません。
この問題により、マルチモーダルな特徴を融合させることが難しくなり、畳み込みニューラルネットワーク(CNN)のトレーニングが難解になる。
本稿では、位置ずれ問題に対処するために、アライメント領域CNN(AR-CNN)と呼ばれる汎用マルチモーダル検出器を提案する。
論文 参考訳（メタデータ） (2022-04-21T02:35:23Z)
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。