論文の概要: Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis
- arxiv url: http://arxiv.org/abs/2607.14131v1
- Date: Tue, 07 Jul 2026 15:14:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.835009
- Title: Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis
- Title（参考訳）: ウルドゥーフェイクニュース検出におけるクロスデータセットの一般化:XLM-RoBERTaを用いた実証研究と長さコンファウンド解析
- Abstract要約: ウルドゥーの偽ニュース検出は、世界中で2億2100万人が話されているにもかかわらず、未公開のままだ。
本稿では,2つのバランスの取れたデータセットを用いて,Urdu偽ニュース検出のための最初のクロスデータセット一般化研究を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urdu fake news detection remains under-resourced despite Urdu being spoken by over 231 million people worldwide. While prior work has demonstrated strong in-domain performance on individual Urdu datasets, cross-dataset generalisation has received little systematic attention. This paper presents the first cross-dataset generalisation study for Urdu fake news detection, using two publicly available balanced datasets: the Ax-to-Grind Urdu corpus (10,083 articles, 15 domains) and the Notri-Fact Urdu dataset (13,388 articles). We fine-tune xlm-roberta-base under four experimental conditions, in-domain on each dataset and two zero-shot cross-domain transfer directions, comparing against TF-IDF baselines using Logistic Regression and Support Vector Machines. Our experiments reveal a striking asymmetry: Notri-Fact to Ax-to-Grind transfer achieves a macro F1 of 0.771, while the reverse collapses to F1 of 0.005, with the model predicting fake for 99.7% of test articles. We demonstrate that this collapse stems from a systematic length confound in Ax-to-Grind, where fake articles average 117 words versus 35 for real articles, a 3.4x asymmetry inducing shortcut learning. A length ablation capping articles at 50 words yields only a 0.0067 F1 drop, confirming the confound inflates but does not solely drive in-domain performance. We provide a reusable diagnostic methodology that combines bidirectional transfer analysis and prediction-collapse inspection to identify confound-driven behavior in multilingual fake news detection settings.
- Abstract（参考訳）: Urduの偽ニュース検出は、世界中で2億2100万人以上の人々がUrduについて話しているにもかかわらず、未公開のままだ。
以前の研究では、個々のUrduデータセット上でのドメイン内パフォーマンスが強かったが、クロスデータセットの一般化は体系的にはほとんど注目されなかった。
本稿では,Ax-to-Grind Urduコーパス (10,083記事,15ドメイン) とNotri-Fact Urduデータセット (13,388記事) の2つのバランスの取れたデータセットを用いて,Urdu偽ニュース検出のための最初のクロスデータセット一般化研究を提案する。
我々は,4つの実験条件下でxlm-roberta-baseを微調整し,各データセット上のドメイン内および2つのゼロショットクロスドメイン転送方向を,ロジスティック回帰とサポートベクトルマシンを用いたTF-IDFベースラインと比較した。
実験の結果,Nari-Fact to Ax-to-Grind Transferは0.771のマクロF1を達成する一方,逆転は0.005のF1に崩壊し,99.7%のテスト項目で偽造を予測した。
Ax-to-Grindでは, 偽記事の平均117語対実記事35語に対して, ショートカット学習を誘導する3.4倍の非対称性である。
50ワードの物品を冠する長さアブレーションは0.0067F1ドロップしか得られず、凹凸が膨らむことを確認できるが、ドメイン内のパフォーマンスのみを駆動しない。
多言語偽ニュース検出設定において、双方向の伝達分析と予測崩壊検査を組み合わせて、相反する振る舞いを識別する再利用可能な診断手法を提案する。
関連論文リスト
- Modalities Should Talk to Each Other: Dual-Stream Multimodal Learning for Long-Horizon Influenza Forecasting [1.2599533416395763]
一般に入手可能な監視データセットは、通常、数値疫学的信号をノイズと組み合わせ、ゆるやかに構造化され、短期的な傾向にのみ間接的に関係しており、しばしば数値的な信号と相対的に関連付けられている。
我々は,36週間のマルチモーダル履歴から12週間のILI活動を予測するマルチモーダルディープラーニングフレームワークであるDual-Stream Attention (DSA)を提案する。
論文 参考訳（メタデータ） (2026-08-24T15:20:01Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - Lightweight Person-Place Relation Extraction from Historical Newspapers with Dependency Graphs and Proximity Features [0.0]
本研究では,関係分類段階において,事前学習された言語モデルなしで,軽量で解釈可能なシステムがどこまで進むことができるかを検討する。
提案手法は,依存関係解析から文書レベルグラフを構築し,各エンティティペアの近接的特徴と部分的特徴を抽出し,それらをScikit-Lernアンサンブルあるいはコンパクトグラフアテンションネットワークで分類する。
公式評価 (テストA, 新聞テストセット) では, ベストランが0.5142のマクロリコールに達し, 17チーム中, 3位にランクインした。
論文 参考訳（メタデータ） (2026-07-22T03:35:56Z) - DIA-HARM: Dialectal Disparities in Harmful Content Detection Across 50 English Dialects [6.107850985025956]
本稿では,50の英語方言における偽情報検出のための最初のベンチマークであるDIA-HARMを提案する。
人間による方言の含有量は1.4-3.6%減少し、一方でAI生成された内容は安定している。
私たちはDIA-HARMフレームワーク、D3コーパス、評価ツールをリリースします。
論文 参考訳（メタデータ） (2026-04-07T01:43:48Z) - An Experimental Comparison of the Most Popular Approaches to Fake News Detection [41.32471203510647]
本報告では,12種類の偽ニュース検出手法の批判的評価を行う。
それらの手法を,ジャンル,ソース,トピック,ラベル付けの合理性が異なる10の公開データセット上で評価する。
論文 参考訳（メタデータ） (2026-03-26T14:39:35Z) - Large-Scale Aspect-Based Sentiment Analysis with Reasoning-Infused LLMs [1.4732811715354455]
Arctic-ABSAは、現実のアスペクトベースの感情分析(ABSA)のための強力なモデルの集合体である
当社のモデルは,大規模な公開データコーパスと慎重に生成された合成データに基づいてトレーニングされた商用ニーズに合わせて調整されているため,SemEval14の20倍のデータセットが生成される。
単一の多言語モデルは、英語のパフォーマンスを低下させることなく、6つの言語で87-91%の精度を維持している。
論文 参考訳（メタデータ） (2026-01-07T13:58:29Z) - Structured Reasoning for Fairness: A Multi-Agent Approach to Bias Detection in Textual Data [0.0]
本稿では,各文を事実あるいは意見として切り離して識別するマルチエージェントフレームワークを提案する。
改良された検出精度と解釈可能な説明を組み合わせることで、現代の言語モデルにおける説明責任を促進する。
論文 参考訳（メタデータ） (2025-03-01T05:27:54Z) - Paloma: A Benchmark for Evaluating Language Model Fit [112.481957296585]
言語モデル (LM) の評価では、トレーニングから切り離されたモノリシックなデータに難易度が報告されるのが一般的である。
Paloma(Perplexity Analysis for Language Model Assessment)は、546の英語およびコードドメインに適合するLMを測定するベンチマークである。
論文 参考訳（メタデータ） (2023-12-16T19:12:45Z) - Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。
我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。
また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
論文 参考訳（メタデータ） (2023-01-22T18:22:55Z) - 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) - Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2021 [55.41644538483948]
共有タスクの目標は、コミュニティにこの重要な問題を解決するための効率的な方法を考え出すことを動機付けることです。
トレーニングセットには1300件の注釈付きニュース記事、750件のリアルニュース、550件のフェイクニュース、300件のニュース記事、200件のリアルニュース、100件のフェイクニュースが含まれている。
F1-macroスコアは0.679で、これは過去最高の0.907 F1-macroよりも低かった。
論文 参考訳（メタデータ） (2022-07-11T18:58:36Z) - Bridging the Data Gap between Training and Inference for Unsupervised
Neural Machine Translation [49.916963624249355]
UNMTモデルは、翻訳されたソースと推論中の自然言語で擬似並列データに基づいて訓練される。
トレーニングと推論のソース差はUNMTモデルの翻訳性能を妨げている。
本稿では、擬似並列データ自然言語を同時に用いたオンライン自己学習手法を提案する。
論文 参考訳（メタデータ） (2022-03-16T04:50:27Z) - Transformer-based Language Model Fine-tuning Methods for COVID-19 Fake
News Detection [7.29381091750894]
偽ニュース検出のためのトランスフォーマーに基づく言語モデルの微調整手法を提案する。
まず、個々のモデルのトークン語彙を専門用語の実際の意味論のために拡張する。
最後に、普遍言語モデルRoBERTaとドメイン固有モデルCT-BERTによって抽出された予測特徴を、複数の層認識によって融合させ、微細で高レベルな特定の表現を統合する。
論文 参考訳（メタデータ） (2021-01-14T09:05:42Z)
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。