FASSILA：阿尔及利亚方言假新闻检测与情感分析语料库
计算与语言
2024-11-08 v1
摘要
在低资源语言的背景下，阿尔及利亚方言（AD）因缺乏标注语料库而面临挑战，阻碍了其有效处理，特别是在依赖语料库进行训练和评估的机器学习（ML）应用中。本研究概述了名为 FASSILA 的用于阿尔及利亚方言假新闻（FN）检测和情感分析（SA）的专用语料库的开发过程。该语料库包含 10,087 个句子，涵盖阿尔及利亚方言中超过 19,497 个独特词汇，解决了该语言语言资源的严重匮乏问题，并涵盖七个不同领域。我们提出了假新闻检测和情感分析的标注方案，详细说明了数据收集、清洗和标注过程。卓越的标注者间一致性表明该标注方案产生了高质量的一致标注。随后使用基于 BERT 的模型和机器学习模型进行的分类实验被呈现，展示了有前景的结果并指出了进一步研究的方向。该数据集在 GitHub（https://github.com/amincoding/FASSILA）上免费提供，以促进该领域的未来发展。
引用
@article{arxiv.2411.04604,
title = {FASSILA: A Corpus for Algerian Dialect Fake News Detection and Sentiment Analysis},
author = {Amin Abdedaiem and Abdelhalim Hafedh Dahou and Mohamed Amine Cheragui and Brigitte Mathiak},
journal= {arXiv preprint arXiv:2411.04604},
year = {2024}
}
备注
16 pages, 6 Figuers