基于Multichannel组合CNN-LSTM的孟加拉假新闻检测
计算与语言
2025-03-10 v1 计算机与社会
机器学习
摘要
近期存在大量未经核实或误导性信息通过虚假网络和新闻门户迅速传播。这种假新闻对社会造成巨大损害，并误导公众。例如，2019年，孟加拉孟加拉大桥有传言需要10万名人头作为祭品，这一谣言演变为致命状况，导致无辜生命丧失。尽管已有大量针对英文的研究，但针对孟加拉语的工作寥寥。本文旨在从不可靠新闻来源识别假新闻，为新闻读者提供真实可靠的信息。本文基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的组合，其中CNN用于深度特征提取，LSTM用于基于提取特征进行检测。首先，我们收集了来自网站的新闻数据集，包含约5万篇新闻。通过提出的Multichannel组合CNN-LSTM架构，本文模型获得了75.05%的准确率，这在孟加拉语假新闻检测方面表现良好。
引用
@article{arxiv.2503.04781,
title = {Bangla Fake News Detection Based On Multichannel Combined CNN-LSTM},
author = {Md. Zahin Hossain George and Naimul Hossain and Md. Rafiuzzaman Bhuiyan and Abu Kaisar Mohammad Masum and Sheikh Abujar},
journal= {arXiv preprint arXiv:2503.04781},
year = {2025}
}
备注
5 pages, 2 figures, 2 tables. THE 12th International Conference on Computing, Communication and Networking Technologies, 2021