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。
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】