抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】