論文の概要: Unseen Fake News Detection Through Casual Debiasing

• arxiv url: http://arxiv.org/abs/2503.04160v1
• Date: Thu, 06 Mar 2025 07:23:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:58:39.326074
• Title: Unseen Fake News Detection Through Casual Debiasing
• Title（参考訳）: Casual Debiasingによる未知のフェイクニュース検出
• Authors: Shuzhi Gong, Richard Sinnott, Jianzhong Qi, Cecile Paris,
• Abstract要約: 既存の手法は、過去のイベントやドメインからのトレーニングデータに依存するため、目に見えないニュースに苦しむ。 分類信頼度と伝播構造正則化に基づく重み付け戦略を応用した縮退解FNDCDを提案する。 非重複ニュースドメインを用いた実世界のデータセットの実験では、ドメイン間の一般化を改善するFNDCDの有効性が示されている。
• 参考スコア（独自算出の注目度）: 10.711567616912312
• License:
• Abstract: The widespread dissemination of fake news on social media poses significant risks, necessitating timely and accurate detection. However, existing methods struggle with unseen news due to their reliance on training data from past events and domains, leaving the challenge of detecting novel fake news largely unresolved. To address this, we identify biases in training data tied to specific domains and propose a debiasing solution FNDCD. Originating from causal analysis, FNDCD employs a reweighting strategy based on classification confidence and propagation structure regularization to reduce the influence of domain-specific biases, enhancing the detection of unseen fake news. Experiments on real-world datasets with non-overlapping news domains demonstrate FNDCD's effectiveness in improving generalization across domains.
• Abstract（参考訳）: ソーシャルメディア上での偽ニュースの普及は重大なリスクをもたらし、タイムリーかつ正確な検出を必要とする。 しかし、過去のイベントやドメインからのトレーニングデータに頼っているため、既存の手法では見当たらないニュースに苦慮しており、新たな偽ニュースを検出するという課題はほとんど解決されていない。 これを解決するために、特定のドメインに関連付けられたトレーニングデータのバイアスを特定し、デバイアス解FNDCDを提案する。 因果解析から派生したFNDCDは、分類信頼度と伝播構造規則化に基づく再重み付け戦略を用いて、ドメイン固有のバイアスの影響を低減し、目に見えない偽ニュースの検出を強化する。 非重複ニュースドメインを用いた実世界のデータセットの実験では、ドメイン間の一般化を改善するFNDCDの有効性が示されている。

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)
• 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)
• 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)
• Unsupervised Domain-agnostic Fake News Detection using Multi-modal Weak Signals [19.22829945777267]
  本研究は,4つのモダリティで利用可能な知識をニュースレコードに埋め込んだ,教師なしフェイクニュース検出のための効果的なフレームワークを提案する。 また,既存のニュースデータセットの潜伏バイアスを最小限に抑えたニュースデータセット構築手法を提案する。 LUND-COVIDを使って提案した教師なしフレームワークをトレーニングし、大規模データセットの可能性を活用した。
  論文  参考訳（メタデータ） (2023-05-18T23:49:31Z)
• 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)
• 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)
• 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)
• An Event Correlation Filtering Method for Fake News Detection [0.0]
  既存のディープラーニングモデルは、偽ニュース検出の問題に取り組むために大きな進歩を遂げている。 偽ニュースの検出性能を向上させるために,ニュースのイベント相関を利用した。 イベント相関フィルタリング方式で偽ニュースを検出するためにECFMが提案されている。
  論文  参考訳（メタデータ） (2020-12-10T07:31:07Z)
• A Deep Learning Approach for Automatic Detection of Fake News [47.00462375817434]
  複数のドメインのオンラインニュースコンテンツにおいて、偽ニュース検出問題を解決するためのディープラーニングに基づく2つのモデルを提案する。 我々は、最近リリースされたFakeNews AMTとCelebrityという2つのデータセットを用いて、フェイクニュース検出のための手法を評価した。
  論文  参考訳（メタデータ） (2020-05-11T09:07:46Z)
• 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。