评估用于 Covid19 假新闻检测的深度学习方法的性能
机器学习
2021-04-13 v2 信息检索
摘要
Facebook、Twitter 和 Instagram 等社交媒体平台实现了大规模的联结与通信，革命性地改变了信息共享的速率并扩大了其传播范围。然而，事物的另一面却讲述了一个令人警觉的故事。这些平台导致了假新闻制造与传播的增加。假新闻不仅将人们引向错误方向，还夺走了人的生命。在 Covid19 大流行的关键时期，很容易误导人们并使其相信致命的信息。因此，从源头遏制假新闻并防止其传播给更广泛的受众十分重要。我们从数据挖掘的角度考察假新闻检测的自动化技术。我们在 Contraint@AAAI 2021 Covid-19 假新闻检测数据集上评估了不同的监督式文本分类算法。这些分类算法基于卷积神经网络(CNN)、长短期记忆(LSTM)和来自 Transformer 的双向编码器表示(BERT)。我们还以无监督学习的形式，利用未标注的 covid 推文语料库评估了语言模型预训练与分布式词表示的重要性。我们在 Covid-19 假新闻检测数据集上报告了 98.41% 的最佳准确率。
引用
@article{arxiv.2101.04012,
title = {Evaluating Deep Learning Approaches for Covid19 Fake News Detection},
author = {Apurva Wani and Isha Joshi and Snehal Khandve and Vedangi Wagh and Raviraj Joshi},
journal= {arXiv preprint arXiv:2101.04012},
year = {2021}
}
备注
Accepted at Contraint@AAAI 2021