fake news detection | BriefGPT

关键词fake news detection

搜索结果 - 113

探索在 Grover 上的语义扰动
本文通过对输入新闻文章进行扰动，对 Grover 模型的虚假新闻检测能力进行了探究，测试了其对抗性攻击的韧性，暴露出一些潜在的漏洞需要在进一步的迭代中解决，以确保其能够准确检测出所有类型的虚假新闻。
PDFa year ago
ContCommRTD：一种面向实时灾难报道的基于内容的虚假信息感知社区发现分布式系统
本文探讨通过社交媒体实时数据检测和跟踪灾害事件，基于内容的社区分析和深度学习模型检测虚假新闻的分布式系统使得危害相关事件的报告更快更好地传播。
PDFa year ago
WSDM大规模在线社交网络中挖掘用户感知的多关系进行虚假新闻检测
本文介绍了一种基于双层图模型的假新闻检测模型 Us-DeFake，通过提取社交网络中新闻和用户之间的多重关系以及学习用户可信度信息以提高模型性能，实验结果表明该模型优于所有基准模型。
PDF2 years ago
利用异质社交媒体上下文图探究虚假新闻检测
通过构建多种异质社交上下文图并将问题重新定义为图分类任务，本文提出了一种高效的方法来检测虚假新闻，并在常见基准数据集上获得了鲁棒的结果，研究成果表明将不同类型的信息（以获得何种社交上下文水平最有效）与使用不同的图形神经网络架构相结合非常有效
PDF2 years ago
AAAI情感引导下的领域自适应假新闻检测方法：对抗学习
本研究提出了一种情绪引导的、领域自适应的、多任务方法，用于各种数据集中的跨领域假新闻检测，证明了情感引导模型在跨领域设置中的有效性。
PDF2 years ago
ACLMultiverse: 多语种的虚假新闻检测证据
该研究提出了使用多语言证据的多元宇宙特征用于较好的矫正和预测假新闻，并进行了对真假新闻自动实验的对比研究，结果显示该特征与语言特征的结合可以显著地提高假新闻的分类准确率。
PDF2 years ago
情感导向的跨领域虚假新闻检测：基于对抗领域适应的方法
本文提出一种情感导向的领域适应方法，并证明在跨领域的情况下，基于情感的模型对于不同数据集的组合具有有效性，用于错误新闻检测。
PDF2 years ago
一种基于情感感知的多任务迁移学习方法，用于虚假新闻和谣言检测
本文提出了一种基于情感分类的多任务框架，利用迁移学习技术标记四个假新闻检测和谣言检测数据集，并证明了情感与假新闻和谣言检测的合法性的相关性，进而提供了一种改进的特征提取方法。实验结果证明，该多任务模型在准确性、精确度、召回率和 F1 分数方
PDF2 years ago
基于图神经网络的对抗性对比学习在具备证据感知的假新闻检测中的应用
本文提出了一种基于证据的假新闻检测的方法，采用图形结构挖掘和对比学习来消除信息冗余，获得具有可靠性和区分度的表示，并在实验中证明了 GETRAL 相对于现有技术的优越性。
PDF2 years ago
心理分析驱动计算的概念和实验
本研究探讨在基于文本的交互媒体中，如何有效地并考虑到人类因素和用户感知。我们提出了一种基于精神分析的方法来评估用户文本的可靠性，并以检测假新闻为例。通过比较不同的方法，我们发现该精神分析方法在可靠性分析方面效果更好。
PDF2 years ago
COLING一种用于可解释假新闻检测的粗到精级联证据蒸馏神经网络
本研究提出了一种基于媒体上流传的原始报道的可解释的假新闻检测方法，使用粗到细的级联证据蒸馏神经网络来选择最可解释的句子以提供 verdict，并构建了两个可公开获取的可解释假新闻数据集。实验表明，该模型显著优于现有基线模型，从不同角度提供高
PDF2 years ago
COLING通过领域和实例级别的迁移改善 Influential Domain 的假新闻检测
提出了一种针对特定领域的虚假新闻检测方法 DITFEND，该方法采用了领域和实例级别的转移学习框架，同时转移领域级别知识和实例级别知识以提高特定目标领域的性能。实验结果表明，DITFEND 比基本模型在真实场景中具有更好的性能提升效果。
PDF2 years ago
CovidMis20: 使用深度学习模型在 Twitter 推文上检测 COVID-19 的误信息
本研究介绍 CovidMis20 数据集，该数据集收集了从 2020 年 2 月到 7 月期间 1,375,592 条推文，用于利用基于深度学习的 Bi-LSTM 和集成 CNN + Bi-GRU 的方法进行假新闻检测，后者的测试精度优于前
PDF2 years ago
利用主题和深度变分模型的可解释假新闻检测
本研究开发了一个深度概率模型，该模型使用一个变分自动编码器和双向 LSTM 网络的密集文本表示与从贝叶斯混合模型中推断出的语义主题相关特征，旨在使用可解释的特征和方法检测真假新闻，实验证明该方法实现了与现有方法可比较的性能。
PDF2 years ago
低资源语言中的跨语言迁移学习应用于假新闻检测
本研究提出了一种利用高资源语言训练数据来检测低资源语言中的假新闻的方法，采用对抗学习技术来实现跨语言的检测知识转移，同时利用源信息提高文章可靠性并通过跨语言特征来提高假新闻检测系统的准确性。经实验证明，此方法可以使假新闻检测系统比使用机器翻
PDF2 years ago
使用基于 Transformer 模型的不同比较方法进行 COVID-19 虚假新闻检测的研究
该研究利用基于转换器的五种模型 (BERT、BERT without LSTM、ALBERT、RoBERTa 和 BERT & ALBERT 混合) 对 COVID 19 虚假新闻进行比较分析，其中 RoBERTa 模型在真假两类中均获得
PDF2 years ago
UrduFake@FIRE2020: 乌尔都语假新闻识别共享赛道
本文简要介绍了 2020 年 FIRE 第一次共享任务中的虚假新闻检测在乌尔都语中的应用及其表现，这是一个二元分类任务，旨在通过使用 900 个经过注释的新闻文章进行训练和 400 个新闻文章进行测试以识别虚假新闻。最好的性能系统 F 值为
PDF2 years ago
应用 BERT 进行假新闻检测的更佳分类预测推理
本研究在真实与假新闻数据集上，从可视和分析角度分析了表示空间的质量。提出了 Class Activation Mapping 的修改方案，为每个单词标记提供一个 CAM 得分，以便于预测。最终表明，加上可学习的线性层的 naive BERT
PDF2 years ago
UrduFake@FIRE2021：乌尔都语虚假新闻识别共享赛道
本篇研究报告了第二项 “UrduFake@FIRE2021” 任务，该任务提供了对乌尔都语中的新闻进行虚假新闻检测的二分类问题，通过使用不同的分类器和神经网络体系结构基于各种计数特征训练的方法以及采用 SGD 算法，在来自 7 个国家的
PDF2 years ago
FIRE 2021 年乌尔都语假新闻检测共享任务概述
该研究报告介绍了 UrduFake@FIRE2021 的第二个共享任务，它是针对乌尔都语中的假新闻检测的二元分类问题。在该任务中，参与者使用了各种数据表示和机器学习算法，大部分参与者都使用了 BERT 和 RoBERTa 等转换器。其中最佳
PDF2 years ago