Download
frl6488516_coverpage_21_umair_qudus_poster.pdf 1,10MB
WeightNameValue
1000 Titel
  • Fake news detection Using Augmented Prompt Methodologies and KGs
1000 Autor/in
  1. QUDUS, UMAIR |
  2. Röder, Michael |
  3. Ngonga Ngomo, Axel-Cyrille |
1000 Erscheinungsjahr 2024
1000 Publikationstyp
  1. Kongressschrift |
1000 Online veröffentlicht
  • 2024-10
1000 Erschienen in
1000 Übergeordneter Kongress
1000 Lizenz
1000 Verlagsversion
  • https://sites.google.com/view/aikg-sd-summer-school-day-2024/startseite |
1000 Ergänzendes Material
  • https://github.com/dice-group/ExPrompt |
1000 Publikationsstatus
1000 Begutachtungsstatus
1000 Sprache der Publikation
1000 Abstract/Summary
  • This approach enhances fake news detection by combining augmented prompt methodologies on LLMs with the power of Knowledge Graphs (KGs). Augmented prompts involve refining and expanding queries to capture the context and nuances of news content more effectively. When integrated with KGs, which provide structured information and relationships between entities, this method improves the accuracy of identifying misinformation. KGs offer a rich, contextual backdrop that helps the system discern between real and fake news by validating facts against a vast network of interconnected data. The result is a more robust, context-aware fake news detection system.
1000 Sacherschließung
lokal LLMs
lokal prompt engineering
lokal fake news
lokal fact checking
1000 Fächerklassifikation (DDC)
1000 Liste der Beteiligten
  1. https://orcid.org/0000-0001-6714-8729|https://orcid.org/0000-0002-8609-8277|https://orcid.org/0000-0001-7112-3516
1000 Hinweis
  • Original note on funding: This work is part of a project that has received funding from the European Union’s Horizon 2020 research and innovation programme (Marie Skłodowska-Curie, No. 860801), the German Federal Ministry of Education and Research (BMBF) within the project NEBULA (13N16364), KIAM (02L19C115), and COLIDE (01IS21005D), the Ministry of Culture and Science of North Rhine-Westphalia (MKW NRW) within the project SAIL (NW21-059D).
1000 Label
1000 Förderer
  1. H2020 Marie Skłodowska-Curie Actions |
  2. Bundesministerium für Bildung und Forschung |
  3. Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen |
1000 Fördernummer
  1. 860801
  2. 13N16364 ; 02L19C115 ; 01IS21005D
  3. NW21-059D
1000 Förderprogramm
  1. -
  2. NEBULA ; KIAM ; COLIDE
  3. SAIL
1000 Dateien
  1. Fake news detection Using Augmented Prompt Methodologies and KGs
1000 Förderung
  1. 1000 joinedFunding-child
    1000 Förderer H2020 Marie Skłodowska-Curie Actions |
    1000 Förderprogramm -
    1000 Fördernummer 860801
  2. 1000 joinedFunding-child
    1000 Förderer Bundesministerium für Bildung und Forschung |
    1000 Förderprogramm NEBULA ; KIAM ; COLIDE
    1000 Fördernummer 13N16364 ; 02L19C115 ; 01IS21005D
  3. 1000 joinedFunding-child
    1000 Förderer Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen |
    1000 Förderprogramm SAIL
    1000 Fördernummer NW21-059D
1000 Objektart article
1000 Beschrieben durch
1000 @id frl:6488516.rdf
1000 Erstellt am 2024-10-11T11:27:09.018+0200
1000 Erstellt von 336
1000 beschreibt frl:6488516
1000 Bearbeitet von 25
1000 Zuletzt bearbeitet 2024-10-22T09:25:11.553+0200
1000 Objekt bearb. Fri Oct 11 13:47:45 CEST 2024
1000 Vgl. frl:6488516
1000 Oai Id
  1. oai:frl.publisso.de:frl:6488516 |
1000 Sichtbarkeit Metadaten public
1000 Sichtbarkeit Daten public
1000 Gegenstand von

View source