論文の概要: Reliable News or Propagandist News? A Neurosymbolic Model Using Genre, Topic, and Persuasion Techniques to Improve Robustness in Classification

• arxiv url: http://arxiv.org/abs/2604.01936v1
• Date: Thu, 02 Apr 2026 11:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.757107
• Title: Reliable News or Propagandist News? A Neurosymbolic Model Using Genre, Topic, and Persuasion Techniques to Improve Robustness in Classification
• Title（参考訳）: 信頼性のあるニュース・プロパガンダ主義的ニュース : 遺伝・トピック・説得技術を用いたニューロシンボリックモデルによる分類におけるロバスト性の改善
• Authors: Géraud Faye, Benjamin Icard, Morgane Casanova, Guillaume Gadek, Guillaume Gravier, Wassila Ouerdane, Céline Hudelot, Sylvain Gatepaille, Paul Égré,
• Abstract要約: 本稿では,非テキスト埋め込み(fastText)とジャンル,話題,説得技術などの象徴的な概念的特徴を組み合わせたニューロシンボリックアプローチを提案する。 その結果、同等のテキストのみの手法よりも改善が見られ、アブレーション研究や説明可能性分析により、追加機能の有用性が確認された。
• 参考スコア（独自算出の注目度）: 4.746135573157784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Among news disorders, propagandist news are particularly insidious, because they tend to mix oriented messages with factual reports intended to look like reliable news. To detect propaganda, extant approaches based on Language Models such as BERT are promising but often overfit their training datasets, due to biases in data collection. To enhance classification robustness and improve generalization to new sources, we propose a neurosymbolic approach combining non-contextual text embeddings (fastText) with symbolic conceptual features such as genre, topic, and persuasion techniques. Results show improvements over equivalent text-only methods, and ablation studies as well as explainability analyses confirm the benefits of the added features. Keywords: Information disorder, Fake news, Propaganda, Classification, Topic modeling, Hybrid method, Neurosymbolic model, Ablation, Robustness
• Abstract（参考訳）: ニュース障害の中では、プロパガンダ的なニュースは特に不快である。 プロパガンダを検出するために、BERTのような言語モデルに基づく既存のアプローチは、データ収集のバイアスのため、将来性があるが、トレーニングデータセットに過度に適合することが多い。 分類の堅牢性を高め,新たな情報源への一般化を促進するために,非文脈テキスト埋め込み(fastText)とジャンル,話題,説得技術などの象徴的な概念的特徴を組み合わせたニューロシンボリックアプローチを提案する。 その結果、同等のテキストのみの手法よりも改善が見られ、アブレーション研究や説明可能性分析により、追加機能の有用性が確認された。 キーワード:情報障害、フェイクニュース、プロパガンダ、分類、トピックモデリング、ハイブリッドメソッド、ニューロシンボリックモデル、アブレーション、ロバストネス

関連論文リスト

• 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)
• Ethio-Fake: Cutting-Edge Approaches to Combat Fake News in Under-Resourced Languages Using Explainable AI [44.21078435758592]
  誤報はコンテンツの作成や拡散が容易なため、急速に広まることがある。 従来のフェイクニュース検出のアプローチは、コンテンツベースの機能にのみ依存することが多い。 本稿では,ソーシャルコンテキストに基づく機能とニュースコンテンツ機能を統合した包括的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:49:35Z)
• MSynFD: Multi-hop Syntax aware Fake News Detection [27.046529059563863]
  ソーシャルメディアプラットフォームは、偽ニュースを急速に拡散させ、われわれの現実社会に脅威を与えている。 既存の方法は、フェイクニュースの検出を強化するために、マルチモーダルデータまたはコンテキスト情報を使用する。 本稿では,偽ニュースの微妙なひねりに対処するための補完構文情報を含む,新しいマルチホップ構文認識型偽ニュース検出手法を提案する。
  論文  参考訳（メタデータ） (2024-02-18T05:40:33Z)
• 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)
• 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)
• 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)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Leveraging Declarative Knowledge in Text and First-Order Logic for Fine-Grained Propaganda Detection [139.3415751957195]
  本稿では,ニュース記事中のプロパガンダ的テキスト断片の検出について検討する。 本稿では,詳細なプロパガンダ手法の宣言的知識を注入する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-29T13:46:15Z)
• Fake News Detection on News-Oriented Heterogeneous Information Networks through Hierarchical Graph Attention [12.250335118888891]
  階層型グラフ注意ネットワーク(HGAT)という,新たなフェイクニュース検出フレームワークを提案する。 HGATは、新しい階層的な注意機構を使用して、HINでノード表現学習を行い、ニュース記事ノードを分類することでフェイクニュースを検出する。 2つの実世界のフェイクニュースデータセットの実験は、HGATがテキストベースのモデルや他のネットワークベースのモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2020-02-05T19:09:13Z)

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。