FNED: 소셜 미디어 가짜 뉴스 조기 탐지를 위한 심층 신경망
Source
Evernote/Inbox/FNED A Deep Network for Fake News Early Detection on Social Media.md
Summary
본 논문은 소셜 미디어에서 빠르게 확산되는 가짜 뉴스를 초기 단계에 탐지하기 위한 심층 신경망 모델(FNED)을 제안합니다. 초기 전파 단계에서 제한된 데이터를 효과적으로 활용하는 것이 주요 과제이며, 이를 위해 세 가지 핵심 구성 요소를 도입했습니다: (1) 사용자의 텍스트 응답과 프로필을 결합한 상태 민감 군중 반응 특징 추출기, (2) 특정 순위 위치의 중요한 사용자 응답을 강조하는 위치 인식 주의 메커니즘, (3) 다양한 윈도우 크기를 기반으로 특징을 집계하는 다중 영역 평균 풀링 메커니즘입니다.
Key Points
- 가짜 뉴스 조기 탐지를 위한 심층 신경망 아키텍처 제안
- 초기 전파 단계의 제한된 데이터 활용 최적화
- 사용자 텍스트 및 프로필 기반의 상태 민감 특징 추출
- 위치 기반 주의 메커니즘을 통한 중요 응답 강조
- 다중 윈도우 크기를 이용한 특징 집계
Related
-
Efficient Multiview Maintenance under Insertion in Huge Social Networks
-
Moment-Based Spectral Analysis of Large-Scale Networks Using Local Structural Information
-
Social Event Classification via Boosted Multimodal Supervised Latent Dirichlet Allocation
-
동적 스타 네트워크에서 다중 유형 객체의 공진화 (Co-Evolution of Multi-Typed Objects in Dynamic Star Networks)
-
Protecting Sensitive Labels in Social Network Data Anonymization
-
Regularized Latent Semantic Indexing (RLSI): 대규모 토픽 모델링을 위한 새로운 접근법
-
Information-Theoretic Outlier Detection for Large-Scale Categorical Data
-
Intel Research: Context Awareness - Social Proximity Detection
-
Anomaly Extraction in Backbone Networks Using Association Rules
-
상호의존적 정보 보안 게임 이론 조사 (A Survey of Interdependent Information Security Games)
-
Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling
-
An Unsupervised Feature Selection Framework for Social Media Data