並列BERT深層ニューラルネットワークを用いた偽ニュース検出【JST・京大機械翻訳】

Farokhian Mahmood; Rafe Vahid; Veisi Hadi

プレプリント

J-GLOBAL ID：202202219674008640 整理番号：22P0329215

並列BERT深層ニューラルネットワークを用いた偽ニュース検出【JST・京大機械翻訳】

Fake news detection using parallel BERT deep neural networks

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： 2022年04月10日プレプリントサーバーでの情報更新日： 2023年10月17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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

新しいニュースは,ソーシャルネットワークとメディアのための増大する挑戦である。偽ニュースの検出は長年にわたって常に問題であるが,ソーシャルネットワークの進化と近年のニュース普及のスピードの増加が再び考慮されてきた。この問題を解決するにはいくつかのアプローチがあり,その一つは,深層ニューラルネットワークを用いたテキストスタイルに基づく新しいニュースの検出である。近年,自然言語処理のための深層ニューラルネットワークの最も使用される形の一つは,変圧器による移動学習である。BERTは,多くのNLPベンチマークにおいて他のモデルより優れている最も有望な変圧器の1つである。本論文では,2つの並列BERTネットワークを用いて,フルテキストニュース記事上で真実性検出を行うMWPBertを導入した。BERTネットワークの1つはニュースヘッドラインを符号化し,もう1つはニュースボディを符号化する。BERTネットワークの入力長は限られ,一定で,ニュースボディは通常長いテキストであるので,全ニューステキストをBERTに供給できない。したがって,MaxWorthアルゴリズムを用いて,著者らは,事実チェックのためにより貴重であるニューステキストの部分を選択し,それをBERTネットワークに供給した。最後に,2つのBERTネットワークの出力を出力ネットワークに符号化し,ニュースを分類した。実験結果は,提案モデルが精度と他の性能測度に関して以前のモデルより優れていることを示した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, ,

前のページに戻る