卷积神经网络与深度神经网络结合用于假新闻检测
信息检索
2022-10-18 v1 计算与语言
摘要
如今，人们更倾向于在社交媒体上关注最新新闻，因为其廉价、易获取且传播迅速。然而，它可能传播虚假或不可靠的、低质量的新闻，这些新闻故意包含错误信息。假新闻的传播会对人们和社会产生负面影响。鉴于该问题的严重性，研究人员尽力识别假新闻可能展现的模式与特征，以设计能在发布前检测假新闻的系统。在本文中，我们描述了 Fake News Challenge stage #1（FNC-1）数据集，并概述了使用 FNC-1 数据集构建假新闻检测系统的竞争性尝试。所提出的模型使用 FNC-1 数据集进行了评估。一个竞争性数据集被视为一个开放性问题及全球性的挑战。该系统的流程意味着使用不同的自然语言处理技术处理标题和正文列中的文本。之后，使用肘部截断法对提取的特征进行降维，并使用软余弦相似度方法找出每对之间的相似性。新特征被输入 CNN 和 DNN 深度学习方法。所提出的系统以高准确率检测出所有类别，除了不同意（disagree）类别。结果，该系统达到了高达 84.6% 的准确率，基于针对该数据集的其他竞争性研究，其排名第二。
引用
@article{arxiv.2210.08331,
title = {Combination Of Convolution Neural Networks And Deep Neural Networks For Fake News Detection},
author = {Zainab A. Jawad and Ahmed J. Obaid},
journal= {arXiv preprint arXiv:2210.08331},
year = {2022}
}