多域乌尔都语假新闻检测使用预训练组合模型
Sheetal Harris1, Hassan Jalil Hadi2, Naveed Ahmad3
1School of Cyber Science and Engineering, Wuhan University, Wuhan, China.
Scientific reports
|March 14, 2025
概括
这项研究介绍了一种先进的集体模型来检测乌尔都语的假新闻,其表现优于单个模型. 该方法增强了在资源有限的语言中的自动假新闻检测.
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.
- 计算语言学 计算语言学
背景情况:
- 假新闻 (FN) 的传播影响着社会和政治景观.
- 需要自动化机制来应对在线宣传和有偏见的新闻.
- 在乌尔都语等地区语言中检测真实性是具有挑战性的,因为数据和研究有限.
研究的目的:
- 通过专注于乌尔都语假新闻检测 (FND) 来解决人工智能研究中的语言偏见.
- 为乌尔都语 FND 提出和评估一种新的堆叠合体学习方法.
主要方法:
- 预训练语言模型 (PLM) 的个人微调:ELECTRA,mBERT和XLM-RoBERTa.
- 叠加组合学习的应用,将这些微调的PLM结合起来.
- 超参数优化,以提高模型性能.
主要成果:
- 拟议的堆叠组合模型与单个PLM相比,实现了更高的预测性能.
- 关键性能指标包括准确度为0.914,马修斯相关系数 (MCC) 为0.898,F1得分为0.904.
- 结果验证了组合方法对乌尔都语FND的有效性.
结论:
- 精心调整的PLM的堆叠集体学习为乌尔都语FND提供了一个强大的解决方案.
- 这种方法有效地克服了个别变压器模型的局限性.
- 这项研究有助于减少人工智能的语言偏差,并改善在资源不足的语言中检测假新闻.
