論文の概要: BharatGather: A Culturally-Informed Benchmark Dataset for Misinformation and Fake News Detection in Indian Public Events
- arxiv url: http://arxiv.org/abs/2609.02895v1
- Date: Thu, 02 Jul 2026 17:14:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.450024
- Title: BharatGather: A Culturally-Informed Benchmark Dataset for Misinformation and Fake News Detection in Indian Public Events
- Title（参考訳）: BharatGather:インドの公共イベントにおける誤情報とフェイクニュース検出のための文化的なベンチマークデータセット
- Abstract要約: 宗教祭、政治集会、文化集会などの大規模な公的な行事は、誤報の急速な拡散に対してますます脆弱になっている。
本稿では,インドの集団集合の生態系における二元的誤情報分類に特化して開発された,複数ソースのキュレートされたデータセットであるBharatGatherを紹介する。
- 参考スコア（独自算出の注目度）: 2.584263027095689
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-scale public events, such as religious festivals, political rallies, and cultural gatherings, are increasingly vulnerable to the rapid dissemination of misinformation, posing substantial risks to public safety and social cohesion. While automated fake news detection has seen significant methodological progress, existing benchmarks frequently fail to capture the socio-cultural nuances and event-specific dynamics characteristic of the Indian context. This paper introduces BharatGather, a curated, multi-source dataset specifically engineered for binary misinformation classification within the ecosystem of Indian mass gatherings. The corpus comprises 14,646 records constructed through a hybrid pipeline involving systematic web scraping of prominent fact-checking platforms, multimedia transcript extraction, and Large Language Model (LLM)-mediated synthetic augmentation to ensure narrative diversity. By providing a resource tailored to the unique complexities of event-aware misinformation in India, this work facilitates the development of culturally informed detection systems and establishes a rigorous benchmark for evaluating their performance in high-stakes public environments.
- Abstract（参考訳）: 宗教祭、政治集会、文化集会などの大規模な公共行事は、誤報の急速な普及に弱くなり、公共の安全と社会的結束に重大なリスクが生じる。
自動フェイクニュース検出は方法論的に大きな進歩を遂げてきたが、既存のベンチマークはインドの文脈に特徴的な社会文化的ニュアンスや事象固有のダイナミクスを捉えるのに失敗することが多い。
本稿では,インドの集団集合の生態系における二元的誤情報分類に特化して設計された,複数ソースのキュレートされたデータセットであるBharatGatherを紹介する。
コーパスは14,646レコードをハイブリッドパイプラインで構築し、顕著なファクトチェックプラットフォーム、マルチメディアトランスクリプト抽出、物語の多様性を保証するためのLarge Language Model(LLM)による合成拡張を含む。
インドにおける事象認識誤報の独特な複雑さに合わせたリソースを提供することにより、文化的に情報を得た検知システムの開発を促進し、高い公共環境下での性能を評価するための厳密なベンチマークを確立する。
関連論文リスト
- Echoes of Unrest: A Multimodal NLP Framework for Early Warning of Fake News and Violence-Driven Mob Activity [6.0224898709154076]
ソーシャルメディアは、迅速な情報交換を可能にすることで、グローバルなコミュニケーションを変革してきたが、誤報の拡散を加速させた。
フェイクニュース、操作されたコンテンツ、挑発的な物語は、社会的不安、政治的不安定性、暴徒の暴力とますます結びついている。
この章では、誤情報や暴力が引き起こすダイナミクスを早期に検出するための多言語多モーダル自然言語処理フレームワークを提示します。
論文 参考訳（メタデータ） (2026-07-02T20:05:40Z) - Breaking the Fake News Barrier: Deep Learning Approaches in Bangla Language [0.0]
本稿では,特にGRU(Gated Repetitive Unit)を用いて,バングラ方言における偽ニュースを識別する手法を提案する。
本研究の戦略は, トレンマ化, トークン化, オーバーサンプリングによる不規則な性質の傾向を含む, 集中的な情報前処理を取り入れたものである。
モデルの性能は、精度、リコール、F1スコア、精度などの信頼性の高い指標によって調査される。
論文 参考訳（メタデータ） (2025-01-30T21:41:26Z) - Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。
本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。
私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文 参考訳（メタデータ） (2024-02-14T18:16:54Z) - EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [4.905346662577355]
本稿では、ストリーミングソーシャルデータから特定されていないイベントを特定するために、エンドツーエンドの新規フレームワークであるEnrichEventを提案する。
我々は、ツイートの文脈的知識を活用して、その表現を豊かにし、イベントに関するユーザの意見をよりよく把握する。
論文 参考訳（メタデータ） (2023-07-29T21:37:55Z) - EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble
Architecture [63.85863519876587]
Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。
本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
論文 参考訳（メタデータ） (2023-01-30T11:56:08Z) - 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) - FacTeR-Check: Semi-automated fact-checking through Semantic Similarity
and Natural Language Inference [61.068947982746224]
FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。
このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。
この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
論文 参考訳（メタデータ） (2021-10-27T15:44:54Z) - Streaming Social Event Detection and Evolution Discovery in
Heterogeneous Information Networks [90.3475746663728]
イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。
ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。
しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
論文 参考訳（メタデータ） (2021-04-02T02:13:10Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z)
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。