Apr, 2022

使用并行 BERT 深度神经网络检测虚假新闻

PDF
TL;DR介绍了一种使用两个并行 BERT 网络来对全文新闻文章进行真实性检测的新方法 MWPBert，通过 MaxWorth 算法选择更有价值的新闻文本部分，最终将两个 BERT 网络的输出编码为一个输出网络，实验结果表明该模型在准确性和其他性能指标方面优于以前的模型。
fake newsdeep neural networkstransfer learningbertveracity detection
发现论文，激发创造
  • 基于 Transformer 模型（BERT，ALBERT 和 RoBERTa）在假新闻检测中的性能分析

    该研究探索了 transformer 模型，发现 ALBERT 在检测印尼语假新闻方面表现最佳

    Aug, 2023

  • 多语言数据分类的终身学习自然语言处理方法

    本研究提出了一种基于终身学习和多语言知识转移的新型假新闻检测方法，该方法利用传统特征提取器和深度自然语言处理模型结合多层感知器分类器，可以在英语和西班牙语数据集上提高假新闻分类任务的性能。

    May, 2022

  • 基于 Transformer 的自动 COVID-19 假新闻检测系统

    本文报告了一种基于 Transformer 模型（BERT、ALBERT 和 XLNET）的方法来分析 COVID-19 流行病期间社交媒体上共享信息的可靠性，以便快速检测假新闻，减少假信息的传播，该方法在 ConstraintAI 2021 共享任务 COVID19 Fake News Detection in English 中获得了 0.9855 的 f1 值，排名第 5。

    Jan, 2021

  • 使用基于 Transformer 模型的不同比较方法进行 COVID-19 虚假新闻检测的研究

    该研究利用基于转换器的五种模型 (BERT、BERT without LSTM、ALBERT、RoBERTa 和 BERT & ALBERT 混合) 对 COVID 19 虚假新闻进行比较分析，其中 RoBERTa 模型在真假两类中均获得 0.98 的 F1 得分，相比其他模型表现更佳。

    Aug, 2022

  • 使用 BERT 和 fine-tuned RobertA 检测由 AI 生成的新闻

    本研究表明，通过针对 BERT 和 RobertA 模型进行微调，在检测 AI 生成的新闻中取得了最好的效果。Roberta 模型的得分为 98％，精度表现卓越，研究结论表明，神经网络可用于识别 ChatGPT 生成的虚假新闻，并表明这些模型在对抗错误信息方面能够发挥重要作用。

    Jun, 2023

  • 事实核实与假新闻检测之间的联系

    本研究提出了一种简单而有效的方法，在利用先前已经训练好了的模型的基础上，通过使用文本摘要模型将长新闻文章缩短成一个短主张来连接事实验证和假新闻检测，并通过检测更轻松实现零研究用数据的假新闻检测。在 FakenewsNet 数据集上进行的实验结果表明，本研究提出的方法具有很好的效果。

    Oct, 2020

  • COVID-19 虚假新闻检测和事实核查的两阶段 Transformer 模型

    为了在新冠疫情期间快速检测和减轻假新闻的传播，我们开发了一种基于机器学习自然语言处理模型的两阶段自动化检测流程来检测 COVID-19 假新闻，其中第一模型利用了基于事实检查的算法，通过检索特定 COVID-19 索赔的相关事实，第二模型通过计算索赔和手动策划的 COVID-19 数据集中检索到的真实事实之间的文本蕴含程度来验证索赔的真实程度。

    Nov, 2020

  • 一种用于假新闻检测的双向 LSTM 方法

    本研究使用双向 LSTM 算法对一定数量的外文新闻网站和报纸进行数据收集，在训练数据上达到 84% 的模型准确度和 62.0 的 F1 宏平均得分，以确定新闻真假。

    Jun, 2022

  • 使用预训练的神经转换器进行新闻偏见检测的实验

    比较几种大型的预训练语言模型在句级新闻偏见检测和子类型分类任务上的性能，并提供了定量和定性结果。

    Jun, 2024

  • X-CapsNet 用于虚假新闻检测

    提出了一种基于 Capsule 神经网络（CapsNet）的新型 transformer 模型 X-CapsNet，用于自动检测和对抗假新闻，通过使用多个分类器和间接特征来解决短新闻陈述的表示问题，并在 Covid-19 和 Liar 数据集上的评估结果表明该模型在性能上优于现有基准模型。

    Jul, 2023