論文の概要: DRES: Fake news detection by dynamic representation and ensemble selection

• arxiv url: http://arxiv.org/abs/2509.16893v2
• Date: Wed, 24 Sep 2025 02:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 11:55:19.831812
• Title: DRES: Fake news detection by dynamic representation and ensemble selection
• Title（参考訳）: DRES:動的表現とアンサンブル選択によるフェイクニュース検出
• Authors: Faramarz Farhangian, Leandro A. Ensina, George D. C. Cavalcanti, Rafael M. O. Cruz,
• Abstract要約: ソーシャルメディアによる情報の急速な拡散は、テキストベースの偽ニュース検出を重要視している。 本稿では,テキストのみに基づく偽ニュースを識別するための動的表現とアンサンブル選択(DRES)と呼ばれる新しい検出手法を提案する。
• 参考スコア（独自算出の注目度）: 6.8528976655436145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid spread of information via social media has made text-based fake news detection critically important due to its societal impact. This paper presents a novel detection method called Dynamic Representation and Ensemble Selection (DRES) for identifying fake news based solely on text. DRES leverages instance hardness measures to estimate the classification difficulty for each news article across multiple textual feature representations. By dynamically selecting the textual representation and the most competent ensemble of classifiers for each instance, DRES significantly enhances prediction accuracy. Extensive experiments show that DRES achieves notable improvements over state-of-the-art methods, confirming the effectiveness of representation selection based on instance hardness and dynamic ensemble selection in boosting performance. Codes and data are available at: https://github.com/FFarhangian/FakeNewsDetection_DRES
• Abstract（参考訳）: ソーシャルメディアによる情報の急速な拡散は、テキストベースの偽ニュース検出を社会的影響により極めて重要にしている。 本稿では,テキストのみに基づく偽ニュースを識別するための動的表現とアンサンブル選択(DRES)と呼ばれる新しい検出手法を提案する。 DRESは、複数のテキスト特徴表現にまたがる各ニュース記事の分類困難を推定するために、インスタンスの硬度測定を利用する。 各インスタンスのテキスト表現と最も有能な分類器のアンサンブルを動的に選択することにより、DRESは予測精度を大幅に向上させる。 拡張実験により,DRESは最先端手法よりも顕著な改善を実現し,インスタンスの硬度と動的アンサンブル選択に基づく表現選択の有効性を確認した。 https://github.com/FFarhangian/FakeNewsDetection_DRES

関連論文リスト

• Multi-view autoencoders for Fake News Detection [5.863538874435322]
  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。
  論文  参考訳（メタデータ） (2025-04-10T19:59:34Z)
• DEUCE: Dual-diversity Enhancement and Uncertainty-awareness for Cold-start Active Learning [54.35107462768146]
  コールドスタートアクティブラーニング(CSAL)は、手動アノテーションのためのラベルなしデータセットから貴重なインスタンスを選択する。 既存のCSAL手法は、弱いクラスと強い代表例を見落とし、バイアス学習をもたらす。 本稿ではCSALのための新しい二変量拡張および不確実性認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-01T04:00:03Z)
• A Hybrid Attention Framework for Fake News Detection with Large Language Models [0.0]
  本稿では,テキスト統計特徴と深い意味的特徴を統合することによって,偽ニュースを識別・分類する新しい枠組みを提案する。 提案手法は,大規模言語モデルの文脈理解能力を利用してテキスト解析を行う。 F1スコアは1.5%向上し,既存手法よりも大幅に向上した。
  論文  参考訳（メタデータ） (2025-01-21T08:26:20Z)
• Graph-based Retrieval Augmented Generation for Dynamic Few-shot Text Classification [15.0627807767152]
  本稿では,動的少ショットテキスト分類のためのグラフベースのオンライン検索拡張生成フレームワークであるGORAGを提案する。 GORAGは、すべてのターゲットテキストの側情報を抽出して重み付きグラフを構築し、維持する。 実証的な評価は、GORAGがより包括的で正確な文脈情報を提供することで、既存のアプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2025-01-06T08:43:31Z)
• A Self-Learning Multimodal Approach for Fake News Detection [35.98977478616019]
  偽ニュース分類のための自己学習型マルチモーダルモデルを提案する。 このモデルは、ラベル付きデータを必要としない機能抽出のための堅牢な手法であるコントラスト学習を利用する。 公開データセットを用いた実験結果から,提案モデルがいくつかの最先端の分類手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-08T07:41:44Z)
• Dynamic Analysis and Adaptive Discriminator for Fake News Detection [59.41431561403343]
  偽ニュース検出のための動的解析・適応識別器(DAAD)手法を提案する。 知識に基づく手法では,モンテカルロ木探索アルゴリズムを導入し,大規模言語モデルの自己表現能力を活用する。 意味に基づく手法では、偽ニュース生成のメカニズムを明らかにするために、典型的偽造パターンを4つ定義する。
  論文  参考訳（メタデータ） (2024-08-20T14:13:54Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• Multimodal Fake News Detection with Adaptive Unimodal Representation Aggregation [28.564442206829625]
  AURAは、適応的な一助表現アグリゲーションを備えたマルチモーダルフェイクニュース検出ネットワークである。 我々は,一様および多様の表現に従って,粗いレベルの偽ニュース検出とクロスモーダルな共存学習を行う。 WeiboとGossipcopの実験は、AURAがいくつかの最先端のFNDスキームに勝つことを証明している。
  論文  参考訳（メタデータ） (2022-06-12T14:06:55Z)

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。