文献

J-GLOBAL ID：202202257824193314   整理番号：22A1164763

ソーシャルネットワーキングデータにおけるハイパーパラメータ同調深層学習ベース自動偽ニュース検出の設計【JST・京大機械翻訳】

Design of Hyperparameter Tuned Deep Learning based Automated Fake News Detection in Social Networking Data

著者 (3件)： Kanagavalli N. (Rajalakshmi Institute of Technology,Department of Computer Science and Engineering,Chennai,Tamilnadu,India) ,  Priya S. Baghavathi (Rajalakshmi Engineering College,Deaprtment of Computer Science and Engineering,Chennai,Tamilnadu,India) ,  D Jeyakumar (Rajalakshmi Institute of Technology,Department of Computer Science and Engineering,Chennai,Tamilnadu,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCMC  ページ： 958-963  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,ソーシャルネットワークは,人々をグローバルに接続し,ビデオ,画像および様々なタイプのデータを共有する能力により,より一般的になってきた。ソーシャルメディアにおける主要なセキュリティ問題は,偽造物の存在である。それは,偽のユーザとエンティティによって頻繁に利用することができ,それは,偽造物と市民を偽造し,配布し,複製するという現象である。偽ニュースが重大な結果をもたらすので,多数の研究作業は,自動偽造会計の設計および新しいニュース検出モデルに焦点を当ててきた。この観点において,本研究は,ハイパーパラメータ調整深層学習ベースの自動偽造物検出(HDL-FND)技術を設計した。提示されたHDL-FND技術は,偽ニュースの効果的検出と分類を達成する。さらに,HDLFNDプロセスは3段階プロセス,すなわち前処理,特徴抽出,およびBi-Directional Long Short Term Memite(BiLSTM)ベースの分類を含む。HDL-FND技術の有望な性能を実証する正しい方法,複製のシーケンスを利用可能なKaggleデータセット上で実行した。調査結果は,多様な手段に関して最近のアプローチの超過でHDL-FND技術の性能を改善した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 会計 ,  複製 ,  前処理 ,  特徴抽出 ,  同調 ,  録画装置 ,  市民 ,  *ニュース ,  セキュリティ
準シソーラス用語： 改竄 ,  ソーシャルメディア ,  *ハイパーパラメータ ,  *深層学習 ,  *フェイクニュース , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ソーシャルネットワーキング ,  ハイパーパラメータ ,  同調 ,  深層学習 ,  偽ニュース ,  設計