論文の概要: Multi-view autoencoders for Fake News Detection

• arxiv url: http://arxiv.org/abs/2504.08102v1
• Date: Thu, 10 Apr 2025 19:59:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:20:31.594201
• Title: Multi-view autoencoders for Fake News Detection
• Title（参考訳）: フェイクニュース検出のためのマルチビューオートエンコーダ
• Authors: Ingryd V. S. T. Pereira, George D. C. Cavalcanti, Rafael M. O. Cruz,
• Abstract要約: 本稿では,複数ビューオートエンコーダを用いて,偽ニュース検出のための共同特徴表現を生成することを提案する。 フェイクニュースデータセットの実験では、個々のビューと比較して分類性能が大幅に向上した。
• 参考スコア（独自算出の注目度）: 5.863538874435322
• License:
• Abstract: Given the volume and speed at which fake news spreads across social media, automatic fake news detection has become a highly important task. However, this task presents several challenges, including extracting textual features that contain relevant information about fake news. Research about fake news detection shows that no single feature extraction technique consistently outperforms the others across all scenarios. Nevertheless, different feature extraction techniques can provide complementary information about the textual data and enable a more comprehensive representation of the content. This paper proposes using multi-view autoencoders to generate a joint feature representation for fake news detection by integrating several feature extraction techniques commonly used in the literature. Experiments on fake news datasets show a significant improvement in classification performance compared to individual views (feature representations). We also observed that selecting a subset of the views instead of composing a latent space with all the views can be advantageous in terms of accuracy and computational effort. For further details, including source codes, figures, and datasets, please refer to the project's repository: https://github.com/ingrydpereira/multiview-fake-news.
• Abstract（参考訳）: 偽ニュースがソーシャルメディアに拡散する量と速度を考えると、自動偽ニュース検出は極めて重要な課題となっている。 しかし、この課題は、偽ニュースに関する情報を含むテキストの特徴を抽出するなど、いくつかの課題を提起する。 フェイクニュース検出に関する研究は、すべてのシナリオにおいて、1つの特徴抽出技術が他のどの手法よりも一貫して優れていることを示している。 それでも、異なる特徴抽出技術は、テキストデータに関する補完的な情報を提供し、コンテンツのより包括的な表現を可能にする。 本稿では,多視点オートエンコーダを用いて,複数の特徴抽出技術を統合することで,偽ニュース検出のための共同特徴表現を生成することを提案する。 フェイクニュースデータセットの実験では、個々のビュー(特徴表現)と比較して分類性能が大幅に向上した。 また、すべてのビューで潜在空間を構成するのではなく、ビューのサブセットを選択することは、精度と計算労力の面で有利であることを示した。 ソースコード、図、データセットを含む詳細については、プロジェクトのリポジトリを参照してください。

関連論文リスト

• VMID: A Multimodal Fusion LLM Framework for Detecting and Identifying Misinformation of Short Videos [14.551693267228345]
  本稿では,マルチモーダル情報に基づく新しいフェイクニュース検出手法を提案する。 提案フレームワークは,ビデオにマルチモーダル機能を組み込むことで,偽ニュース検出の精度と信頼性を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-11-15T08:20:26Z)
• FineFake: A Knowledge-Enriched Dataset for Fine-Grained Multi-Domain Fake News Detection [54.37159298632628]
  FineFakeは、フェイクニュース検出のためのマルチドメイン知識強化ベンチマークである。 FineFakeは6つのセマンティックトピックと8つのプラットフォームにまたがる16,909のデータサンプルを含んでいる。 FineFakeプロジェクト全体がオープンソースリポジトリとして公開されている。
  論文  参考訳（メタデータ） (2024-03-30T14:39:09Z)
• AVTENet: Audio-Visual Transformer-based Ensemble Network Exploiting Multiple Experts for Video Deepfake Detection [53.448283629898214]
  近年の超現実的なディープフェイクビデオの普及は、オーディオと視覚の偽造の脅威に注意を向けている。 AI生成のフェイクビデオの検出に関するこれまでのほとんどの研究は、視覚的モダリティまたはオーディオ的モダリティのみを使用していた。 音響操作と視覚操作の両方を考慮したAVTENet(Audio-Visual Transformer-based Ensemble Network)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-19T19:01:26Z)
• Semantic Prompt for Few-Shot Image Recognition [76.68959583129335]
  本稿では,数ショット学習のための新しいセマンティック・プロンプト(SP)手法を提案する。 提案手法は,1ショットの学習精度を平均3.67%向上させることにより,有望な結果が得られる。
  論文  参考訳（メタデータ） (2023-03-24T16:32:19Z)
• 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)
• TRIE++: Towards End-to-End Information Extraction from Visually Rich Documents [51.744527199305445]
  本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。 テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。 フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
  論文  参考訳（メタデータ） (2022-07-14T08:52:07Z)
• Multimodal Fusion with BERT and Attention Mechanism for Fake News Detection [0.0]
  テキストと視覚データから派生したマルチモーダル特徴を融合させて偽ニュースを検出する新しい手法を提案する。 実験の結果,公開twitterデータセットにおける現在の最先端手法よりも3.1%の精度で性能が向上した。
  論文  参考訳（メタデータ） (2021-04-23T08:47:54Z)
• Feature Extraction of Text for Deep Learning Algorithms: Application on Fake News Detection [0.0]
  ディープラーニングアルゴリズムとニュースのオリジナルテキストのアルファベット周波数を使って、アルファベットのシーケンスに関する情報がなくても、偽ニュースや信頼できるニュースを高精度に分類することができることが示される。 アルファベットの周波数には、原文の複雑な文脈や意味を理解するのに有用な特徴がいくつか含まれているようである。
  論文  参考訳（メタデータ） (2020-10-12T07:43:01Z)
• TRIE: End-to-End Text Reading and Information Extraction for Document Understanding [56.1416883796342]
  本稿では,統合されたエンドツーエンドのテキスト読解と情報抽出ネットワークを提案する。 テキスト読解のマルチモーダル視覚的特徴とテキスト的特徴は、情報抽出のために融合される。 提案手法は, 精度と効率の両面において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-27T01:47:26Z)
• 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)

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。