一种用于假新闻检测的双向长短期记忆网络方法
计算与语言
2022-06-29 v1 人工智能
机器学习
摘要
近年来社交媒体的使用呈爆发式增长，使人们能够与他人建立联系。自 Facebook 和 Twitter 等平台出现以来，这类平台影响着我们的说话、思考和行为方式。由于假新闻的存在，该问题对内容的可信度造成了负面损害。例如，虚假新闻是影响美国总统选举及其他网站结果的决定性因素。由于此类信息危害极大，我们必须确保拥有必要的工具来检测并抵御它。为展示本研究，我们应用双向长短期记忆网络（Bi-LSTM）来判断新闻的真伪。数据收集使用了若干国外网站与报纸。在创建并运行模型后，该工作在训练数据上取得了 84% 的模型准确率和 62.0 的 F1-macro 分数。
引用
@article{arxiv.2206.13982,
title = {A Proposed Bi-LSTM Method to Fake News Detection},
author = {Taminul Islam and MD Alamin Hosen and Akhi Mony and MD Touhid Hasan and Israt Jahan and Arindom Kundu},
journal= {arXiv preprint arXiv:2206.13982},
year = {2022}
}
备注
Accepted and published in 2022 International Conference for Advancement in Technology, 5 pages, 8 figures