文献

J-GLOBAL ID：202202277382929336   整理番号：22A0736004

ルマ検出のための識別可能な特徴融合による多視点学習【JST・京大機械翻訳】

Multi-view learning with distinguishable feature fusion for rumor detection

著者 (5件)： Chen Xueqin (University of Electronic Science and Technology of China, Chengdu, China) ,  Chen Xueqin (Leiden University, Leiden, The Netherlands) ,  Zhou Fan (University of Electronic Science and Technology of China, Chengdu, China) ,  Trajcevski Goce (Iowa State University, Ames, United States) ,  Bonsangue Marcello (Leiden University, Leiden, The Netherlands)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 240  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 研究者,企業,および政府は,迅速かつ正確に誤情報を検出する大きな努力をした。伝統的な解決策は,複雑な手作業特徴を調べ,または,偽情報を識別するための有用な指標を抽出するために,構築した信頼性ネットワークに重く依存している。しかしながら,そのようなアプローチは,しばしば非一般化可能な,洞察の多いドメインエキスパート知識と集中的な特徴工学を必要とする。深層学習技術における最近の進歩は,テキストと画像コンテンツからの高レベル表現を学習し,様々なニューラルネットワークで拡散パターンを発見する。これらの手法によってなされた進歩にもかかわらず,それらは,まだコンテンツ特徴に対する過依存性の問題に直面し,反芻のプロセスに含まれる各ユーザの影響に対して識別できない。異なるユーザ検査情報は,反芻拡散の様々な段階で異なる役割を果たし,各側面から特徴を効果的に抽出して,学習された特徴を独特の表現に集約し,それはよく調べられていない。これらの限界に取り組むために,著者らは,新しいモデル,UMLARD(Rumor検出に対する注意によるUser-aspect Multi-view Learning)を提案し,ツイートを広げたユーザの異なる視点の表現を効果的に学習し,識別可能な融合メカニズムを通して学習した特徴を融合させた。最後に,学習したユーザ-アスペクト特徴をコンテンツ特徴に連結し,ユニークな表現を形成し,反芻のラベルを予測するために完全接続層にそれを供給した。実世界データセット上で行った実験は,UMLARDが最先端のベースラインと比較して反芻検出性能を著しく改善することを示した。また,モデル挙動と予測結果の説明を可能にする。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 工学 ,  信頼性 ,  ネットワーク ,  ルテニウム ,  ニューラルネットワーク ,  反芻 ,  基準線 ,  *コンテンツ
準シソーラス用語： 映像コンテンツ ,  特徴融合 ,  深層学習 ,  *マルチビュー学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： Rumor検出 ,  Ruの広がり ,  ユーザアスペクト ,  多視点学習 ,  識別可能

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 識別 ,  特徴融合 ,  多視点学習