生物灵感的人工智能与自然语言处理基于欺骗性内容检测在社交网络的基础上
Amani Abdulrahman Albraikan1, Mohammed Maray2, Faiz Abdullah Alotaibi3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia.
这项研究引入了一种新方法,BAINLP-DCD,用于使用先进的人工智能在社交媒体上检测假新闻. 该技术实现了高精度,改善了欺骗性内容的检测.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 机器学习 机器学习
背景情况:
- 在社交媒体上检测假新闻越来越令人担忧.
- 现有的机器学习 (ML) 和深度学习 (DL) 模型被广泛使用.
- 需要改进的技术来识别欺骗性内容.
研究的目的:
- 提出一种新的生物灵感的人工智能与自然语言处理欺骗性内容检测 (BAINLP-DCD) 技术.
- 在社交网络环境中提高虚假新闻检测的准确性.
主要方法:
- BAINLP-DCD技术使用数据预处理进行数据转换.
- 一个多头自我注意力双向长期短期记忆 (MHS-BiLSTM) 模型被用于欺骗性内容检测.
- 非洲优化算法 (AVOA) 优化了MHS-BiLSTM模型的超参数.
主要成果:
- BAINLP-DCD技术在检测假新闻方面表现出更高的性能.
- 在BuzzFeed数据集上实现了92.19%的最大准确性.
- 在PolitiFact数据集上实现了92.56%的最大准确性.
结论:
- 拟议的BAINLP-DCD技术有效地检测到社交媒体上的欺骗性内容.
- 生物灵感算法和DL模型的整合显示出假新闻检测的前景.
- 该研究强调了BAINLP-DCD在改善社交媒体信息完整性的潜力.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
08:53Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community
Published on: May 31, 2019
相关概念视频
Non-equilibrium in the Cell
Nonconscious Mimicry
Synthetic Biology
Golden rice
Golden rice is a genetically modified...
Social Proof
Natural and Artificial Concepts
Social Traps
