論文の概要: COVID-19 Infodemic. Understanding content features in detecting fake news using a machine learning approach

• arxiv url: http://arxiv.org/abs/2605.06435v1
• Date: Thu, 07 May 2026 15:36:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.946928
• Title: COVID-19 Infodemic. Understanding content features in detecting fake news using a machine learning approach
• Title（参考訳）: 機械学習アプローチによるフェイクニュースの検出におけるコンテンツ特徴の理解
• Authors: Balakrishnan Vimala, Hii Lee Zing, Laporte Eric,
• Abstract要約: 本研究は,偽ニュースの検出を改善するために,単語大文字,音声配信部分などのコンテンツ特徴の選択について検討する。 新型コロナウイルスのパンデミックで収集された新しいデータセットについて、一連の実験を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The use of content features, particularly textual and linguistic for fake news detection is under-researched, despite empirical evidence showing the features could contribute to differentiating real and fake news. To this end, this study investigates a selection of content features such as word bigrams, part of speech distribution etc. to improve fake news detection. We performed a series of experiments on a new dataset gathered during the COVID-19 pandemic and using Decision Tree, K-Nearest Neighbor, Logistic Regression, Support Vector Machine and Random Forest. Random Forest yielded the best results, followed closely by Support Vector Machine, across all setups. In general, both the textual and linguistic features were found to improve fake news detection when used separately, however, combining them into a single model did not improve the detection significantly. Differences were also noted between the use of bigrams and part of speech tags. The study shows that textual and linguistic features can be used successfully in detecting fake news using the traditional machine learning approach as opposed to deep learning.
• Abstract（参考訳）: コンテンツ機能、特にテキストと言語による偽ニュースの検出は、実ニュースと偽ニュースの区別に寄与することを示す実証的な証拠があるにもかかわらず、あまり研究されていない。 そこで本研究では,単語大文字や音声配信の一部といったコンテンツの特徴を抽出し,フェイクニュースの検出を改善する。 新型コロナウイルス(COVID-19)パンデミックの間に収集された新しいデータセットと、決定木、K-Nearest Neighbor、ロジスティック回帰、サポートベクトルマシン、ランダムフォレストを用いて、一連の実験を行った。 ランダムフォレストはすべての設定で最高の結果となり、サポートベクターマシンが続いた。 一般に、テキストと言語の特徴は、別々に使用すると偽ニュースの検出を改善するが、それらを単一のモデルに組み込むことは、検出を著しく改善することはなかった。 また,ビッグラムの使用と音声タグの一部に違いが認められた。 この研究は、テキストと言語の特徴が、ディープラーニングとは対照的に従来の機械学習アプローチを用いて偽ニュースを検出するのに有効であることを示している。

関連論文リスト

• Detection of Human and Machine-Authored Fake News in Urdu [2.013675429941823]
  ソーシャルメディアは偽ニュースの拡散を増幅した。 従来の偽ニュース検出手法は、言語的手がかりに依存しているため、効果が低くなる。 精度とロバスト性を改善するため,階層的検出手法を提案する。
  論文  参考訳（メタデータ） (2024-10-25T12:42:07Z)
• 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)
• 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)
• An Emotion-Aware Multi-Task Approach to Fake News and Rumour Detection using Transfer Learning [13.448658162594603]
  本研究は,テキストの正当性と本質的な感情との相関関係を示す。 テキストの感情と正当性の両方を予測し,フェイクニュースと噂検出のためのマルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-22T16:15:25Z)
• 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)
• Development of Fake News Model using Machine Learning through Natural Language Processing [0.7120858995754653]
  機械学習アルゴリズムとフェイクニュースの識別に使用しています。 フェイクニュース検出では、単純な分類が完全に正しいわけではない。 機械学習とテキストベースの処理を統合することで、偽ニュースを検出することができる。
  論文  参考訳（メタデータ） (2022-01-19T09:26:15Z)
• 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)
• SGG: Spinbot, Grammarly and GloVe based Fake News Detection [6.193231258199234]
  オンラインニュースポータルは必然的に、偽情報をWebに広める原因になっている。 このような不正行為は、堅牢な自動偽ニュース検知システムを要求する。 本稿では, パラフレーズ, 文法チェック, 単語埋め込みのツールを活用した, 頑健で単純な偽ニュース検出システムを提案する。
  論文  参考訳（メタデータ） (2020-08-16T08:06:52Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)

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。