論文の概要: A Large Language Model LLM Approach to COVID-19 Fake News Detection

• arxiv url: http://arxiv.org/abs/2610.23800v1
• Date: Fri, 16 Oct 2026 17:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.037013
• Title: A Large Language Model LLM Approach to COVID-19 Fake News Detection
• Title（参考訳）: 大規模言語モデルLLMによる新型コロナウイルスのフェイクニュース検出
• Abstract要約: ソーシャルメディアプラットフォームは膨大な量のユーザー生成テキストを生成しており、パンデミック中の誤報の急速な拡散により、偽ニュースの自動検出が重要な課題となっている。 トランスフォーマーに基づくトランスファー学習モデルと大規模言語モデルを、リアルまたはフェイクとラベル付けされた6,420のツイートを含む、COVID-19英語のつぶやきデータセットに適用する。 我々は,マルチクラス分類,多言語データセット,リアルタイムソーシャルメディアストリームなど,今後の方向性を概説して結論づける。
• 参考スコア（独自算出の注目度）: 0.35162264405241883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text classification is a widely studied problem in information retrieval and data mining, with applications ranging from healthcare diagnosis to the detection of COVID-19-related fake news. Social media platforms generate vast volumes of user-generated text, and the rapid spread of misinformation during the pandemic has made automated fake news detection an important task. In this study, we apply pretrained transformer-based transfer learning (TL) models and large language models (LLMs), namely BERT-base, ALBERT-base, XLM-RoBERTa-base, DistilBERT, GPT-2, XLNet, and T5, to the COVID-19 English Tweets dataset, which contains 6,420 tweets labeled as real or fake. To further improve performance, we apply six late-fusion optimization techniques: weighted fusion, particle swarm optimization (PSO) fusion, the Nelder-Mead algorithm, Powell's method, the Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm, and trust-region constrained optimization. Models are evaluated using accuracy, precision, recall, and F1-score, and confusion-matrix heatmaps are used to visualize the predictions of each model. GPT-2 achieved the best performance, with an accuracy of 0.9631, precision of 0.9612, recall of 0.9610, and F1-score of 0.9600, while Nelder-Mead fusion achieved the best result among the fusion methods with an accuracy of 0.9610. These results highlight the value of LLMs for COVID-19 fake news detection. We conclude by outlining future directions, including multiclass classification, multilingual datasets, and real-time social media streams.
• Abstract（参考訳）: テキスト分類は、医療診断から新型コロナウイルス関連の偽ニュースの検出に至るまで、情報検索とデータマイニングにおいて広く研究されている問題である。 ソーシャルメディアプラットフォームは膨大な量のユーザー生成テキストを生成しており、パンデミック中の誤報の急速な拡散により、偽ニュースの自動検出が重要な課題となっている。 本研究では、実または偽とラベル付けされた6,420のツイートを含む6,420の英語ツイートデータセットに対して、事前訓練されたトランスフォーマーベースモデルと大規模言語モデル(LLM)、すなわちBERTベース、ALBERTベース、XLM-RoBERTaベース、DistilBERT、GPT-2、XLNet、T5を適用した。 さらに性能向上のために、重み付き融合、粒子群最適化(PSO)融合、Nelder-Meadアルゴリズム、Powell法、Broyden-Fletcher-Goldfarb-Shanno(BFGS)アルゴリズム、信頼領域制約最適化の6つの遅延融合最適化手法を適用した。 モデルは精度、精度、リコール、F1スコアを用いて評価され、各モデルの予測を可視化するために混乱行列ヒートマップが使用される。 GPT-2の精度は0.9631、精度は0.9612、リコールは0.9610、F1スコアは0.9600、Nelder-Mead融合は0.9610だった。 これらの結果は、新型コロナウイルスの偽ニュース検出のためのLLMの価値を強調している。 我々は,マルチクラス分類,多言語データセット,リアルタイムソーシャルメディアストリームなど,今後の方向性を概説して結論づける。

関連論文リスト

• AI Generated Text Detection [0.0]
  本稿では,従来の機械学習モデルとトランスフォーマーベースアーキテクチャの両方を含む,AIテキスト検出手法の評価を行う。 我々は、HC3とDAIGT v2という2つのデータセットを使用して、統一されたベンチマークを構築し、情報漏洩を防止するためにトピックベースのデータ分割を適用する。 その結果、文脈モデリングは語彙的特徴よりもはるかに優れていることが示され、話題記憶の緩和の重要性が強調された。
  論文  参考訳（メタデータ） (2026-01-07T11:18:10Z)
• Predictable Scale: Part I, Step Law -- Optimal Hyperparameter Scaling Law in Large Language Model Pretraining [59.369484219304866]
  我々は100兆のトークンをスクラッチから3,700以上の大規模言語モデル(LLM)に対する前例のない経験的調査訓練を実施している。 ステップ法則(ステップ法)と呼ばれる,LLM事前学習におけるハイパーパラメータ最適化のための普遍的スケーリング法則を確立する。 我々の推定オプティマは, 排他的探索によって得られた世界最高の性能から, テストセットの0.094%しか逸脱しない。
  論文  参考訳（メタデータ） (2025-03-06T18:58:29Z)
• Strengthening False Information Propagation Detection: Leveraging SVM and Sophisticated Text Vectorization Techniques in comparison to BERT [0.0]
  本研究では,機械学習と自然言語処理,具体的にはSVM(Support Vector Machines)とBERTを用いて偽ニュースを検出する。 SVMには、TF-IDF(Term Frequency Inverse Document Frequency)、Word2Vec(Word2Vec)、Bag of Words(BoW)の3つの異なるテキストベクトル化手法を用いる。 これらの手法を変換器の大規模言語モデルであるBERTと比較し,最も効果的な手法を決定する。
  論文  参考訳（メタデータ） (2024-11-19T18:15:46Z)
• Predictor-Corrector Enhanced Transformers with Exponential Moving Average Coefficient Learning [73.73967342609603]
  トラクションエラーを最小限に抑えるための予測-相関学習フレームワークを提案する。 また、高次予測器を強化するために、指数関数的移動平均ベース係数学習法を提案する。 我々のモデルは3.8BのDeepNetを平均2.9のSacreBLEUで上回り、1/3のパラメータしか使用していない。
  論文  参考訳（メタデータ） (2024-11-05T12:26:25Z)
• DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature [143.5381108333212]
  大規模な言語モデルからサンプリングされたテキストは、モデルのログ確率関数の負の曲率領域を占有する傾向にあることを示す。 次に、与えられたLLMから通路が生成されるかどうかを判断するための新しい曲率ベースの基準を定義する。 我々は、モデルサンプル検出のための既存のゼロショット法よりもディテクターGPTの方が識別性が高いことを発見した。
  論文  参考訳（メタデータ） (2023-01-26T18:44:06Z)
• 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。