利用深度学习应对 COVID-19 信息流行病
计算与语言
2021-07-06 v1 机器学习
摘要
人类正在与现代史上最具危害性的病毒之一——COVID-19 大流行——作斗争，但除大流行外，一场信息流行病正以错误信息渗透公众与社会，加剧了当前的困境。我们试图检测并分类在线媒体上的假新闻，以识别与 COVID-19 及冠状病毒相关的虚假信息。数据集包含从 politifact 等事实核查网站收集的虚假帖子、文章与新闻，而真实推文取自已验证的 Twitter 账号。我们结合了多种常规分类技术（如朴素贝叶斯、KNN、梯度提升与随机森林）以及深度学习方法，具体包括 CNN、RNN、DNN 与集成模型 RMDL。我们使用两种特征提取技术——TF-IDF 与 GloVe 词嵌入——对这些方法进行分析，从而深入洞察包含在线媒体上 COVID-19 信息的 dataset。
引用
@article{arxiv.2107.02012,
title = {Tackling COVID-19 Infodemic using Deep Learning},
author = {Prathmesh Pathwar and Simran Gill},
journal= {arXiv preprint arXiv:2107.02012},
year = {2021}
}
备注
15 pages, 4 figures, Accepted in 4th International Conference on Computational Intelligence and Data Engineering