文献

J-GLOBAL ID：202002243421528340   整理番号：20A2143057

COVID-19に関する誤解情報の検出【JST・京大機械翻訳】

Detecting Misleading Information on COVID-19

著者 (3件)： Elhadad Mohamed K. (Department of Electrical and Computer Engineering, University of Victoria, V8W 2Y2, Victoria, Canada) ,  Li Kin Fun (Department of Electrical and Computer Engineering, University of Victoria, V8W 2Y2, Victoria, Canada) ,  Gebali Fayez (Department of Electrical and Computer Engineering, University of Victoria, V8W 2Y2, Victoria, Canada)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 165201-165215  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,COVID-19に関連した誤解情報を検出する問題を扱う。世界保健機構,UNICEF,および情報源としての国連,ならびに一連の事実チェックウェブサイトから収集された疫学的材料に依存する誤解情報検出モデルを提案した。信頼できるソースからのデータを得ることは,それらの妥当性を保証するべきである。この収集した地上データを使用して,誤解情報を同定するために機械学習を用いる検出システムを構築した。7つの特徴抽出技術を有する10の機械学習アルゴリズムを用いて,投票集合機械学習分類装置を構築した。収集したデータの妥当性をチェックするために5倍交差検証を行い,12の性能計量の評価を報告した。評価結果は,収集した地上データの品質と妥当性,および誤った情報を検出するモデル構築におけるそれらの有効性を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報源 ,  分類装置 ,  特徴抽出 ,  世界保健機関 ,  国際連合 ,  投票 ,  疫学 ,  有効性 ,  *機械学習 ,  学習アルゴリズム

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (2件)： COVID-19 ,  誤解