Deception Detection with Feature-Augmentation by soft Domain Transfer

要約

タイトル：ソフトドメイン転送による特徴拡張による欺瞞検出

要約：
– 情報過多の時代において、情報の異なるドメインやメディアを利用してユーザーを利用する欺瞞者が増加している。
– 様々な研究がこれら全てのドメインにおける欺瞞検出に投入されているが、新しいイベントにおいては情報不足が問題となり各ドメインを連携させる必要性がある。
– この連携を行うために、本論文はニューラルモデルの中間層表現を利用した特徴の拡張方法を提案している。
– 本手法は自己ドメインのベースラインモデルと比較して、最大で6.6％の改善を提供している。
– フェイクニュースやフィッシングメールの検出においてはTwitterが最も役立ち、ツイートの噂検出においてはニュースが最も役立つことがわかっている。
– 本分析により、ドメイン知識転移の有用な洞察が得られ、これにより既存の文献よりも強力な欺瞞検出システムを構築できる可能性がある。

要約(オリジナル)

In this era of information explosion, deceivers use different domains or mediums of information to exploit the users, such as News, Emails, and Tweets. Although numerous research has been done to detect deception in all these domains, information shortage in a new event necessitates these domains to associate with each other to battle deception. To form this association, we propose a feature augmentation method by harnessing the intermediate layer representation of neural models. Our approaches provide an improvement over the self-domain baseline models by up to 6.60%. We find Tweets to be the most helpful information provider for Fake News and Phishing Email detection, whereas News helps most in Tweet Rumor detection. Our analysis provides a useful insight for domain knowledge transfer which can help build a stronger deception detection system than the existing literature.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI