論文の概要: Exploring Text Representations for Online Misinformation
- arxiv url: http://arxiv.org/abs/2412.18618v1
- Date: Fri, 13 Dec 2024 20:22:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 09:34:27.528415
- Title: Exploring Text Representations for Online Misinformation
- Title（参考訳）: オンライン誤情報のためのテキスト表現の探索
- Authors: Martins Samuel Dogo,
- Abstract要約: 偽ニュースと呼ばれる誤報や偽報は、社会を苦しめ続けている。
この論文は、誤情報を検出するのに有用な表現の作成に寄与する。
これは、分類とクラスタリングを用いた偽ニュース検出におけるトピック機能の有効性を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Mis- and disinformation, commonly collectively called fake news, continue to menace society. Perhaps, the impact of this age-old problem is presently most plain in politics and healthcare. However, fake news is affecting an increasing number of domains. It takes many different forms and continues to shapeshift as technology advances. Though it arguably most widely spreads in textual form, e.g., through social media posts and blog articles. Thus, it is imperative to thwart the spread of textual misinformation, which necessitates its initial detection. This thesis contributes to the creation of representations that are useful for detecting misinformation. Firstly, it develops a novel method for extracting textual features from news articles for misinformation detection. These features harness the disparity between the thematic coherence of authentic and false news stories. In other words, the composition of themes discussed in both groups significantly differs as the story progresses. Secondly, it demonstrates the effectiveness of topic features for fake news detection, using classification and clustering. Clustering is particularly useful because it alleviates the need for a labelled dataset, which can be labour-intensive and time-consuming to amass. More generally, it contributes towards a better understanding of misinformation and ways of detecting it using Machine Learning and Natural Language Processing.
- Abstract（参考訳）: 誤報や偽報は一般に偽ニュースと呼ばれ、社会を苦しめ続けている。
おそらく、この年老いた問題の影響は、政治と医療において現在最も明白である。
しかし、フェイクニュースはドメインの増加に影響を与えている。
様々な形態を採り入れ、技術が進歩するにつれて形を変え続ける。
しかし、ソーシャルメディアの投稿やブログ記事を通じて、テキスト形式で広く普及していることは間違いない。
したがって、初期検出を必要とするテキスト誤報の拡散を抑えることが不可欠である。
この論文は、誤情報を検出するのに有用な表現の作成に寄与する。
まず、誤情報検出のためのニュース記事からテキスト特徴を抽出する新しい手法を開発する。
これらの特徴は、真正と偽のニュースのセマンティック・コヒーレンス(thematic coherence)の相違を利用する。
言い換えれば、物語が進むにつれて、両グループで論じられるテーマの構成は著しく異なる。
第2に、分類とクラスタリングを用いたフェイクニュース検出におけるトピック機能の有効性を示す。
クラスタリングは特に有用であり、ラベル付きデータセットの必要性が軽減される。
より一般的には、誤報の理解を深め、機械学習と自然言語処理を使用して検出する方法に寄与する。
関連論文リスト
- Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。
我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文 参考訳（メタデータ） (2023-11-02T08:39:45Z) - The effect of stemming and lemmatization on Portuguese fake news text
classification [0.0]
インターネット、スマートフォン、ソーシャルメディアの普及に伴い、情報は迅速かつ容易に拡散されている。
情報の流れが大きくなって、偽情報や偽ニュースを広めようとしている人もいる。
いくつかのテクニックは、テキストデータを扱うときに良い結果に達するのに役立ちます。
論文 参考訳（メタデータ） (2023-10-17T15:26:40Z) - TieFake: Title-Text Similarity and Emotion-Aware Fake News Detection [15.386007761649251]
本稿では,マルチモーダルな文脈情報と著者の感情を共同でモデル化し,テキストの類似性と感情認識型フェイクニュース検出(TieFake)手法を提案する。
具体的には、BERT と ResNeSt を用いて、テキストや画像の表現を学習し、出版者感情抽出器を用いて、ニュースコンテンツにおける著者の主観的感情をキャプチャする。
論文 参考訳（メタデータ） (2023-04-19T04:47:36Z) - 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) - Faking Fake News for Real Fake News Detection: Propaganda-loaded
Training Data Generation [105.20743048379387]
提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。
具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。
実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-10T14:24:19Z) - Supporting verification of news articles with automated search for
semantically similar articles [0.0]
偽ニュースを扱うための証拠検索手法を提案する。
学習課題は教師なし機械学習問題として定式化される。
われわれのアプローチは、コンセプトドリフトとは無関係である。
機械学習タスクはテキスト内の仮説とは独立している。
論文 参考訳（メタデータ） (2021-03-29T12:56:59Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - 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) - BaitWatcher: A lightweight web interface for the detection of
incongruent news headlines [27.29585619643952]
BaitWatcherは軽量なWebインターフェースで、ニュース記事の見出しをクリックする前に、読者が不一致の可能性を推定する。
BaiittWatcherは階層的リカレントエンコーダを使用して、ニュース見出しとその関連するボディテキストの複雑なテキスト表現を効率的に学習する。
論文 参考訳（メタデータ） (2020-03-23T23:43:02Z) - SAFE: Similarity-Aware Multi-Modal Fake News Detection [8.572654816871873]
テキストや画像,あるいはその“ミスマッチ”に基づいて偽ニュースを検出する新しい手法を提案する。
このようなニューステキストと視覚情報の表現と関係性は共同で学習され、偽ニュースを予測するために使用される。
提案手法の有効性を実証した大規模実世界のデータについて広範な実験を行った。
論文 参考訳（メタデータ） (2020-02-19T02:51:04Z) - Mining Disinformation and Fake News: Concepts, Methods, and Recent
Advancements [55.33496599723126]
偽ニュースを含む偽ニュースは 爆発的な成長により グローバルな現象になっています
偽情報や偽ニュースを検知する最近の進歩にもかかわらず、その複雑さ、多様性、多様性、事実チェックやアノテーションのコストが原因で、いまだに自明ではない。
論文 参考訳（メタデータ） (2020-01-02T21:01:02Z)
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。