Fakeニュースデータ収集と分類:擬似関連性フィードバックによる不透明探索エンジンのための反復クエリー選択【JST・京大機械翻訳】

Elyashar Aviad; Reuben Maor; Puzis Rami

プレプリント

J-GLOBAL ID：202202210126469070 整理番号：21P0070493

Fakeニュースデータ収集と分類:擬似関連性フィードバックによる不透明探索エンジンのための反復クエリー選択【JST・京大機械翻訳】

Fake News Data Collection and Classification: Iterative Query Selection for Opaque Search Engines with Pseudo Relevance Feedback

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 (3件)： , ,
資料名：
発行年： 2020年12月23日プレプリントサーバーでの情報更新日： 2021年02月21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)

オンライン検索エンジンからの情報検索は,多くのデータマイニングタスクにおける第一で最も重要なステップである。すべてのソーシャルメディアプラットフォームを含むWeb上で現在利用可能な検索エンジンの大部分は,短いキーワードクエリをサポートするブラックボックス(a.k.a不透明)である。これらの設定において,すべてのポストとコメントの検索は,特定のニュースアイテムを,自動的に,そして,大規模に議論することは,挑戦的なタスクである。本論文では,プロトタイプ文書を与えられた短いキーワードクエリを生成する方法を提案した。提案した反復クエリ選択アルゴリズム(IQS)は,クエリを反復的に改善するために,不透明検索エンジンと相互作用する。Twitter TREC Microblog 2012とTREC-COVID 2019データセットについて評価し,最先端技術と比較して優れた性能を示した。IQSを適用して,約70Kの真と偽のニュースアイテムの大規模ファクニュースデータセットを自動的に収集する。調査に利用可能なデータセットは,Twitter承認フォーマットにおいて22M以上の説明と61Mのツイートを含む。最先端の性能を達成するニュース検出タスクのためのデータセットの有用性を実証した。【JST・京大機械翻訳】

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

検索技術

, , , , , , ,

前のページに戻る