論文の概要: A Macro- and Micro-Hierarchical Transfer Learning Framework for Cross-Domain Fake News Detection

• arxiv url: http://arxiv.org/abs/2502.14403v1
• Date: Thu, 20 Feb 2025 09:39:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:28:45.351917
• Title: A Macro- and Micro-Hierarchical Transfer Learning Framework for Cross-Domain Fake News Detection
• Title（参考訳）: クロスドメインフェイクニュース検出のためのマクロ・マイクロ階層変換学習フレームワーク
• Authors: Xuankai Yang, Yan Wang, Xiuzhen Zhang, Shoujin Wang, Huaxiong Wang, Kwok Yan Lam,
• Abstract要約: クロスドメイン偽ニュース検出は、ドメインシフトを緩和し、ドメイン間で知識を伝達することで検出性能を向上させることを目的としている。 既存のアプローチは、ニュースコンテンツとユーザエンゲージメントに基づいた知識をソースドメインからターゲットドメインに転送する。 クロスドメイン偽ニュース検出のための新しいマクロおよびマイクロ階層変換学習フレームワーク(MMHT)を提案する。
• 参考スコア（独自算出の注目度）: 26.078838508339057
• License:
• Abstract: Cross-domain fake news detection aims to mitigate domain shift and improve detection performance by transferring knowledge across domains. Existing approaches transfer knowledge based on news content and user engagements from a source domain to a target domain. However, these approaches face two main limitations, hindering effective knowledge transfer and optimal fake news detection performance. Firstly, from a micro perspective, they neglect the negative impact of veracity-irrelevant features in news content when transferring domain-shared features across domains. Secondly, from a macro perspective, existing approaches ignore the relationship between user engagement and news content, which reveals shared behaviors of common users across domains and can facilitate more effective knowledge transfer. To address these limitations, we propose a novel macro- and micro- hierarchical transfer learning framework (MMHT) for cross-domain fake news detection. Firstly, we propose a micro-hierarchical disentangling module to disentangle veracity-relevant and veracity-irrelevant features from news content in the source domain for improving fake news detection performance in the target domain. Secondly, we propose a macro-hierarchical transfer learning module to generate engagement features based on common users' shared behaviors in different domains for improving effectiveness of knowledge transfer. Extensive experiments on real-world datasets demonstrate that our framework significantly outperforms the state-of-the-art baselines.
• Abstract（参考訳）: クロスドメイン偽ニュース検出は、ドメインシフトを緩和し、ドメイン間で知識を伝達することで検出性能を向上させることを目的としている。 既存のアプローチは、ニュースコンテンツとユーザエンゲージメントに基づいた知識をソースドメインからターゲットドメインに転送する。 しかし、これらの手法は、効果的な知識伝達を妨げることと、最適なフェイクニュース検出性能の2つの主な制限に直面している。 第一に、マイクロの観点からは、ドメイン共有された特徴をドメイン間で転送する際に、ニュースコンテンツにおける正確性に関係のない特徴の負の影響を無視する。 第二に、マクロの観点からは、既存のアプローチは、ユーザエンゲージメントとニュースコンテンツの関係を無視し、ドメイン間の共通ユーザの共有行動を明らかにし、より効果的な知識伝達を促進する。 これらの制約に対処するため、クロスドメイン偽ニュース検出のための新しいマクロおよびマイクロ階層変換学習フレームワーク(MMHT)を提案する。 まず、ターゲット領域における偽ニュース検出性能を改善するために、ソース領域内のニュースコンテンツから、真偽関連・真偽関連特徴を分離するマイクロ階層型非関連モジュールを提案する。 第2に,知識伝達の有効性を向上させるために,各ドメインにおける共通ユーザの共有行動に基づいたエンゲージメント特徴を生成するためのマクロ階層型トランスファー学習モジュールを提案する。 実世界のデータセットに関する大規模な実験は、我々のフレームワークが最先端のベースラインを大幅に上回っていることを示している。

関連論文リスト

• Federated Graph Learning for Cross-Domain Recommendation [33.33321213257222]
  クロスドメインレコメンデーション(CDR)は、ソースドメインとターゲットドメイン間の知識伝達を可能にすることで、データ空間の問題に対する有望な解決策を提供する。 我々は、複数のソースドメインからの肯定的な知識を安全かつ効果的に活用する新しいグラフ学習フレームワークであるFedGCDRを提案する。 我々は、Amazonデータセットの16のポピュラーなドメインに関する広範な実験を行い、FedGCDRが最先端の手法を大幅に上回っていることを実証した。
  論文  参考訳（メタデータ） (2024-10-10T12:19:51Z)
• STYLE: Improving Domain Transferability of Asking Clarification Questions in Large Language Model Powered Conversational Agents [67.05207285885722]
  LLMに基づく明確化戦略は、ポストホックな方法で様々なドメインへの迅速な移行を特徴とする。 既存の手法では、様々な領域にまたがる一大戦略が作成され、検索の有効性が制限される傾向にある。 本稿では,ドメイン転送性を効果的に実現するために,Styleと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T14:28:25Z)
• Meta-causal Learning for Single Domain Generalization [102.53303707563612]
  単一ドメインの一般化は、単一のトレーニングドメイン(ソースドメイン)からモデルを学び、それを複数の未確認テストドメイン(ターゲットドメイン)に適用することを目的としている。 既存の方法は、ターゲットドメインをカバーするためのトレーニングドメインの配布拡大に重点を置いているが、ソースとターゲットドメイン間のドメインシフトを見積もることはできない。 そこで本研究では,まず,対象ドメインとして補助ドメインを構築することによってドメインシフトをシミュレートし,ドメインシフトの原因を解析し,最終的にモデル適応のためのドメインシフトを低減する,新たな学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-04-07T15:46:38Z)
• Emotion-guided Cross-domain Fake News Detection using Adversarial Domain Adaptation [14.428215696969872]
  クロスドメインフェイクニュース検出における感情誘導機能の効果を評価する。 逆学習を用いた感情誘導型ドメイン適応型アプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-24T17:11:56Z)
• Improving Fake News Detection of Influential Domain via Domain- and Instance-Level Transfer [16.886024206337257]
  フェイクニュース検出(DITFEND)のためのドメインレベルおよびインスタンスレベルの転送フレームワークを提案する。 DITFENDは特定のターゲットドメインの性能を向上させることができる。 オンライン実験は、現実世界のシナリオにおいて、ベースモデルにさらなる改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2022-09-19T10:21:13Z)
• Domain Adaptive Fake News Detection via Reinforcement Learning [34.95213747705498]
  本稿では、偽ニュースを検出するためのREAL-FNDと呼ばれる新しい強化学習モデルを提案する。 実世界のデータセットの実験では、提案モデルの有効性が示されている。
  論文  参考訳（メタデータ） (2022-02-16T16:05:37Z)
• Multilevel Knowledge Transfer for Cross-Domain Object Detection [26.105283273950942]
  ドメインシフトは、特定のドメイン(ソース)でトレーニングされたモデルが、異なるドメイン(ターゲット)のサンプルに露出しても、うまく動作しない、よく知られた問題である。 本研究では,オブジェクト検出タスクにおける領域シフト問題に対処する。 私たちのアプローチは、ソースとターゲットドメイン間のドメインシフトを徐々に削除することに依存しています。
  論文  参考訳（メタデータ） (2021-08-02T15:24:40Z)
• Discriminative Cross-Domain Feature Learning for Partial Domain Adaptation [70.45936509510528]
  部分的なドメイン適応は、より大きく多様なソースドメインからの知識を、より少ないクラス数でより小さなターゲットドメインに適応させることを目的としています。 ドメイン適応の最近の実践は、ターゲットドメインの擬似ラベルを組み込むことで、効果的な特徴を抽出する。 ターゲットデータを少数のソースデータのみにアライメントすることが不可欠である。
  論文  参考訳（メタデータ） (2020-08-26T03:18:53Z)
• Domain Adaptation for Semantic Parsing [68.81787666086554]
  本稿では,ドメイン適応のための新しいセマンティクスを提案する。このセマンティクスでは,ソースドメインと比較して,対象ドメインのアノテーション付きデータがはるかに少ない。 我々のセマンティックな利点は、2段階の粗大なフレームワークから得ており、2段階の異なる正確な処理を提供できる。 ベンチマークデータセットの実験により、我々の手法はいくつかの一般的なドメイン適応戦略より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2020-06-23T14:47:41Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Continuous Domain Adaptation with Variational Domain-Agnostic Feature Replay [78.7472257594881]
  非定常環境での学習は、機械学習における最大の課題の1つだ。 非定常性はタスクドリフトまたはドメインドリフトによって引き起こされる。 本稿では,3つのコンポーネントから構成されるアプローチである変分ドメインに依存しない特徴リプレイを提案する。
  論文  参考訳（メタデータ） (2020-03-09T19:50:24Z)

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。