使用 MNB 和 SVM 分类器检测孟加拉语假新闻
计算与语言
2020-06-01 v1 信息检索
机器学习
摘要
由于众多商业和政治原因，假新闻大量出现，并在网络世界中变得频繁。人们很容易受到这些假新闻的污染，因为其捏造的词语对线下社区产生巨大影响。因此，对该领域的研究兴趣日益浓厚。针对英文文本和其他语言的假新闻检测已进行了大量研究，但针对孟加拉语的研究寥寥无几。我们的工作反映了对社交媒体上孟加拉语假新闻检测的实验分析，因为该领域仍需大量关注。在本研究工作中，我们使用了两种监督机器学习算法，即多项式朴素贝叶斯（MNB）和支持向量机（SVM）分类器，以 CountVectorizer 和词频-逆文档频率向量化器作为特征提取来检测孟加拉语假新闻。我们提出的框架根据相应文章的极性来检测假新闻。最后，我们的分析表明，采用线性核的 SVM 以 96.64% 的准确率优于准确率为 93.32% 的 MNB。
引用
@article{arxiv.2005.14627,
title = {Detection of Bangla Fake News using MNB and SVM Classifier},
author = {Md Gulzar Hussain and Md Rashidul Hasan and Mahmuda Rahman and Joy Protim and Sakib Al Hasan},
journal= {arXiv preprint arXiv:2005.14627},
year = {2020}
}