Jul, 2023

处理孟加拉语的假新闻：揭示摘要与扩充对预训练语言模型的影响

PDF
TL;DR本文介绍了用摘要和增强技术以及五个预训练语言模型的四种不同方法来分类孟加拉语中的假新闻文章的方法，并通过详尽的实验和严格的评估表明，该方法在 Bengali 假新闻检测中的有效性。
发现论文，激发创造
  • 排名：通过基于排名的方法增强孟加拉文本摘要

    本文旨在通过利用基于排名的方法，比较四种不同的预训练孟加拉文本摘要模型的输出，从而识别给定文本的最准确和最有信息量的摘要，并使用标准自然语言生成指标来评估生成的摘要的有效性，结果表明通过利用每个预训练转换器模型的优势并结合它们，我们的方法显著提高了孟加拉文本摘要的准确性和有效性。

    Jul, 2023

  • 改善孟加拉语假新闻检测性能的方法：平衡处理和模型堆叠

    本文介绍了多种解决不平衡数据集问题的方法，同时提出了一种能够在数据不平衡时提高性能的技术，并将其应用于 BangFakeNews 数据集，结果表明使用数据操纵技术，如 SMOTE，可以获得 93.1% 的 F1 分数，而使用非数据操纵方法，如 Stacked Generalization，则可以获得 79.1% 的 F1 分数。

    Mar, 2022

  • BanFakeNews: 用于检测孟加拉语假新闻的数据集

    本文提出了一个可用于建立自动检测低资源语言（如孟加拉语）虚假新闻系统的标注数据集，同时提供了数据集分析和基准系统，采用传统语言特征和神经网络技术，为防止虚假信息传播建立技术贡献。

    Apr, 2020

  • 提高多模态假新闻检测的泛化能力

    本文提出了三种基于多模态 transformer 的假新闻检测模型，并通过深入分析操纵数据的方法来探索这些模型在社交媒体上实际使用情况下的性能。研究发现，这些系统在面临被操纵的数据时会出现显著性能下降。为了减少偏差并改善模型的推广能力，本文建议使用数据增强技术对社交媒体上的假新闻检测进行更有意义的实验。所提出的数据增强技术使得模型的泛化能力得到了提高，并获得了最先进的效果。

    May, 2023

  • 使用半监督生成对抗网络检测孟加拉虚假评论

    该研究使用半监督生成式对抗网络 (GAN) 探究预训练语言模型微调在少量带有注释数据的情况下，分类孟加拉虚假评论和真实评论的潜力。实验结果表明，即使只有 1024 个标注样本，使用半监督 GAN 可在分类孟加拉虚假评论方面取得 83.59% 的准确率和 84.89% 的 f1 值，优于其他预训练语言模型大约 3%、4% 和 10% 的准确率。该研究提出的方法对于缺乏标记数据的分类问题，尤其是对于像孟加拉语这样的低资源语言，可能会有所帮助。

    Apr, 2023

  • 利用预训练语言模型进行低资源摘要

    利用自注意力变换器模型（mBERT, mT5）以及构建新的基准数据集（76.5k 的文章摘要对），在资源有限的语言乌尔都语中，提出了一个自适应低资源摘要方法，能够有效地捕捉低资源语言的上下文信息并取得与英文高资源语言中最先进模型相媲美的评估结果。

    Oct, 2023

  • 孟加拉文本文档的非监督式抽象摘要

    该论文提出了一种基于图的无监督生成式摘要系统，用于低资源语言 Bengali 的单篇文档，只需要使用 POS 标注器和在 Bengali 文本上进行预训练的语言模型，该系统表现比多个聚焦摘要系统更好，并提供了人工注释的数据集以支持未来的研究。

    Jan, 2021

  • 基于摘要生成的数据增强方法用于文档分类

    通过使用 SUMMaug，一种简单但有效的基于摘要的数据增强方法，我们能够解决预训练语言模型在理解长文本（如文档）时遇到的数据稀疏问题，并在文档分类任务中取得了稳健性和准确性上的优势。

    Dec, 2023

  • 应用基于深度学习的方法实现印度语言文章摘要

    本文介绍了使用不同的预训练 seq2seq 模型在 ILSUM 2022 数据集上微调的结果，其中使用 PEGASUS 模型得到了最佳的英文结果，使用具有增强数据的 IndicBART 模型得到了最佳的印地语结果，并使用转换映射为基础的方法对瓜拉提语进行了微调并重新运行了 PEGASUS 模型，使用 ROUGE-1、ROUGE-2 和 ROUGE-4 作为评估度量方法进行了推理成果的评估。

    Dec, 2022

  • 请勿散布谣言！一种多指示语言的方法用于 COVID 虚假推文检测

    本文提出了一种基于 BERT 模型的方法，结合社交媒体中提取的相关特征，可以在多种印度语言，包括英语以外的语言中，尽早检测 COVID-19 的虚假消息，并提出了一种零样本学习方法用于数据稀缺问题。经过严格实验，展示了该方法在虚假消息检测上的有效性，达到 89% 的 F 值，在 Hindi 和 Bengali Tweets 中初步建立了基准，分别达到 79% 和 81% 的 F 值。

    Oct, 2020