基于句子空间嵌入的虚假新闻数据流分类

表格数据被视为深度学习的最后一个未被征服的城堡，而数据流分类任务同样重要且充满挑战。鉴于时序约束，认为深度学习方法在该领域并非最优解决方案。然而，排除整个（且普遍存在的）方法组似乎过于果断， given 近年来在该领域发展取得的显著进展。基于此，本文首次提出一种自然语言数据流分类方法，利用句子空间方法将文本编码为离散数字信号，从而允许使用专为图像分类设计的卷积深度网络来解决基于文本数据的虚假新闻识别任务。基于真实生活的 Fakeddit 数据集，我们将所提方法与基于泛化能力和时间复杂度的 SOTA 数据流分类算法进行了比较。