MuMiN:大規模多言語マルチモーダル事実検査ミス情報ソーシャルネットワークデータセット【JST・京大機械翻訳】

Nielsen Dan Saattrup; McConville Ryan

プレプリント

J-GLOBAL ID：202202206816520675 整理番号：22P0294296

MuMiN:大規模多言語マルチモーダル事実検査ミス情報ソーシャルネットワークデータセット【JST・京大機械翻訳】

MuMiN: A Large-Scale Multilingual Multimodal Fact-Checked Misinformation Social Network Dataset

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ミス情報は社会メディアとニュース記事でますます普及している。そのようなコンテンツを検出するために機械学習を利用するアルゴリズム支援を必要とするように,広く普及している。これらの機械学習モデルの訓練は,十分なスケール,多様性および品質のデータセットを必要とする。しかし,自動誤情報検出の分野におけるデータセットは,主にモノリンガルであり,限られた量のモダリティを含み,十分なスケールと品質ではない。これに応えて,著者らは,データ収集とリンクシステム(MuMiN-trawl)を開発し,26万のTwitterスレッドに属する21百万twetsの豊富なソーシャルメディアデータ(ツイート,回答,ユーザ,画像,論文,ハッシュタグ)を含む公共誤情報グラフデータセット(MuMiN)を開発し,その各々は10年以上にわたって,41の異なる言語で,数十の話題,イベントとドメインにわたって,意味的に結合した。データセットはPythonパッケージ(mumin)による不均一グラフとして利用可能である。ソーシャルメディアを含むクレームの真実性に関連した2つのノード分類タスクに対するベースライン結果を提供し,これらが2つのタスクに対して,それぞれ62.55%と61.45%である最高のマクロ平均F1スコアで,挑戦的なタスクであることを示した。MuMiN生態系は,データ,文書,チュートリアルおよびリーダボードを含むhttps://mumin dataset.github.io/で利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 計算機網

, , , , , ,

前のページに戻る