論文の概要: MVAN: Multi-View Attention Networks for Fake News Detection on Social Media

• arxiv url: http://arxiv.org/abs/2506.01627v1
• Date: Mon, 02 Jun 2025 13:05:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 04:22:50.748273
• Title: MVAN: Multi-View Attention Networks for Fake News Detection on Social Media
• Title（参考訳）: MVAN:ソーシャルメディア上でのフェイクニュース検出のためのマルチビューアテンションネットワーク
• Authors: Shiwen Ni, Jiawen Li, Hung-Yu Kao,
• Abstract要約: 既存の偽ニュース検出手法は、ロングテキストコンテンツからヒントを見つけることに焦点を当てている。 本稿では,より現実的なシナリオにおいて,偽ニュース検出の問題を解決する。 我々は,新しいニューラルネットワークモデル textbfMulti-textbfView textbfAttention textbfNetworks を開発した。
• 参考スコア（独自算出の注目度）: 24.17395475682138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fake news on social media is a widespread and serious problem in today's society. Existing fake news detection methods focus on finding clues from Long text content, such as original news articles and user comments. This paper solves the problem of fake news detection in more realistic scenarios. Only source shot-text tweet and its retweet users are provided without user comments. We develop a novel neural network based model, \textbf{M}ulti-\textbf{V}iew \textbf{A}ttention \textbf{N}etworks (MVAN) to detect fake news and provide explanations on social media. The MVAN model includes text semantic attention and propagation structure attention, which ensures that our model can capture information and clues both of source tweet content and propagation structure. In addition, the two attention mechanisms in the model can find key clue words in fake news texts and suspicious users in the propagation structure. We conduct experiments on two real-world datasets, and the results demonstrate that MVAN can significantly outperform state-of-the-art methods by 2.5\% in accuracy on average, and produce a reasonable explanation.
• Abstract（参考訳）: ソーシャルメディア上のフェイクニュースは、今日の社会において広く深刻な問題である。 既存の偽ニュース検出手法は、オリジナルのニュース記事やユーザーコメントなどの長文コンテンツからヒントを見つけることに重点を置いている。 本稿では,より現実的なシナリオにおいて,偽ニュース検出の問題を解決する。 ソース・ショットテキスト・ツイートとリツイート・ユーザーだけがユーザー・コメントなしで提供される。 我々は、偽ニュースを検出し、ソーシャルメディアに説明を提供するために、新しいニューラルネットワークベースモデルである \textbf{M}ulti-\textbf{V}iew \textbf{A}ttention \textbf{N}etworks (MVAN) を開発した。 MVANモデルにはテキストセマンティックアテンションと伝搬構造アテンションが含まれており、このモデルが情報源のつぶやき内容と伝播構造の両方の情報や手がかりをキャプチャできることを保証する。 さらに、モデル内の2つの注意機構は、偽ニューステキストや不審なユーザから重要な手がかり語を見つけることができる。 2つの実世界のデータセットで実験を行い、MVANは平均2.5倍の精度で最先端の手法を大幅に上回り、合理的な説明が得られることを示した。

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)
• 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)
• 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)
• 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)
• FR-Detect: A Multi-Modal Framework for Early Fake News Detection on Social Media Using Publishers Features [0.0]
  ニュース分野におけるこれらのメディアの優位性にもかかわらず、制御と検証機構の欠如がフェイクニュースの普及につながっている。 早期検出機能を備えたユーザ関連・コンテンツ関連機能を用いた高精度なマルチモーダルフレームワークFR-Detectを提案する。 実験によると、パブリッシャーの機能はコンテンツベースのモデルの性能を最大13%改善し、精度とF1スコアを29%向上させることができる。
  論文  参考訳（メタデータ） (2021-09-10T12:39:00Z)
• 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)
• 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)
• Modeling the spread of fake news on Twitter [2.7910505923792637]
  本稿では,Twitter上での偽ニュース拡散のポイントプロセスモデルを提案する。 提案手法は,偽ニュース項目の拡散の進化を正確に予測する上で,現在の最先端手法よりも優れていることを示す。 提案モデルは,ソーシャルメディア上での偽ニュース拡散のダイナミクスの理解に寄与する。
  論文  参考訳（メタデータ） (2020-07-28T08:28:16Z)

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。