基于不同Transformer模型的新冠假新闻检测比较研究
计算与语言
2023-08-02 v1 机器学习
摘要
社交网络的快速发展和互联网接入的便利性加速了虚假新闻和谣言在社交媒体网站上的猖獗传播。在COVID-19疫情期间，这些误导性信息通过将人们的心理和生理生命置于危险之中而加剧了局势。为了限制此类不准确信息的传播，从在线平台识别假新闻可能是首要步骤。在本研究中，作者通过实施五种基于transformer的模型（如BERT、无LSTM的BERT、ALBERT、RoBERTa以及BERT与ALBERT的混合模型）进行了比较分析，以从互联网上检测COVID-19的欺诈性新闻。COVID-19假新闻数据集已用于训练和测试模型。在所有这些模型中，RoBERTa模型表现优于其他模型，在真实和虚假类别中均获得了0.98的F1分数。
引用
@article{arxiv.2208.01355,
title = {A Comparative Study on COVID-19 Fake News Detection Using Different Transformer Based Models},
author = {Sajib Kumar Saha Joy and Dibyo Fabian Dofadar and Riyo Hayat Khan and Md. Sabbir Ahmed and Rafeed Rahman},
journal= {arXiv preprint arXiv:2208.01355},
year = {2023}
}