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。
False rumorsは社会に悪影響を与えることが知られている。誤った反芻動物の拡散を防ぐために,Twitterのようなソーシャルメディアプラットフォームは,それらを早期に検出しなければならない。本研究では,基礎となる拡散過程に基づく真対偽反芻者を分類する新しい確率的混合モデルを開発した。特に,著者らのモデルは,真の対偽の反復プロセスの自己励起特性を定式化する最初のものである。これは,Hawkesモデル(MMHM)をマークする新しい混合物をもたらした。これのために,著者らのモデルは,特徴工学の必要性を取り除く。代わりに,オンライン反動器が不正確であるかどうかの推論を行うために,拡散プロセスを直接モデル化する。著者らの評価は,Twitterからの真。対偽反芻動物の13,650のretweetカスケードに基づいている。著者らのモデルは,64.97%の均衡した精度と69.46%のAUCで,偽反芻者を認識する。それは,かなりのマージンによって最先端のベースライン(神経と特徴工学の両方)より優れているが,完全に解釈できる。本研究は,実務者にとって直接の含意を持つ:それは,暗黙的品質信号として拡散プロセスを活用し,それに基づいて,虚偽コンテンツを検出する。【JST・京大機械翻訳】