知識強化言語モデルを用いた偽ニュース検出の評価【JST・京大機械翻訳】

Whitehouse Chenxi; Weyde Tillman; Madhyastha Pranava; Komninos Nikos

プレプリント

J-GLOBAL ID：202202215323933570 整理番号：22P0323955

知識強化言語モデルを用いた偽ニュース検出の評価【JST・京大機械翻訳】

Evaluation of Fake News Detection with Knowledge-Enhanced Language Models

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 (4件)： , , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2023年02月13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)

ファクニュース検出における最近の進歩は,大規模事前訓練言語モデル(PLM)の成功を利用した。支配的な最先端の手法は,ラベル付けされた偽物データセット上の微調整PLMに基づいている。しかし,大規模PLMは構造化事実データ上で一般的に訓練されておらず,従って,実際に正確な知識で接地される先物を持たない可能性がある。したがって,豊富な人間が豊富な事実情報を有する既存の知識ベース(KBs)の使用は,より効果的かつ堅牢なニュース検出を可能にする可能性がある。本論文では,ファクニュース検出に対するPLMへの知識統合の影響を調べた。KBとしてWikidataを用いた知識統合のためのいくつかの最先端の手法,すなわち,COVID-19パンデミックに関連するソーシャルメディアに投稿されたメッセージのデータセットである,2つのポピュラーなファクニュースデータセット-LIAR,ポライトベースデータセット,およびCOVID-19について研究した。著者らの実験は,知識強化モデルが,KBが適切で最新のLIAR上の偽ニュース検出を著しく改良できることを示した。COVID-19に関する混合結果は,スタイル的特徴とドメイン特異的および現在のKBの重要性への依存を強調する。【JST・京大機械翻訳】

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

人工知能 , オペレーションズリサーチ一般 , CAD,CAM

, , , ,

前のページに戻る