基于注意力的神经网络用于跨领域的土耳其语假新闻检测
Kevser Ovaz Akpinar1, Mustafa Akpinar2, Olga Pavlovskaya3
1Cybersecurity Department, Rochester Institute of Technology Dubai, Dubai, UAE. kevserovaz@gmail.com.
Scientific reports
|December 14, 2025
概括
研究人员开发了一个高效的神经网络来检测土耳其语的假新闻,达到92%的准确性. 这种模式提供了一个更快,资源友好的解决方案,用于打击低资源语言的虚假信息.
科学领域:
- 自然语言处理自然语言处理.
- 计算语言学 计算语言学
- 人工智能的人工智能
背景情况:
- 假新闻是一个重大挑战,特别是在资源较低的语言中.
- 现有的模型可能无法充分捕捉像土耳其语这样的形态丰富语言的语言复杂性.
研究的目的:
- 提出和评估一种新的神经网络架构,用于土耳其语的假新闻检测.
- 为了提高实际应用的计算效率和准确性.
主要方法:
- 开发了一个基于注意力的神经网络,集成FastText嵌入和长短期记忆 (LSTM) 层.
- 在一万篇土耳其新闻文章的手动验证数据集上训练并测试了该模型.
- 与微调的土耳其BERT模型进行性能比较.
主要成果:
- 在土耳其的假新闻检测方面实现了92%的最新精度.
- 与BERT相比,培训时间减少了40%.
- 显示了强大的跨领域概括,但发现了刺和复杂的捏造的脆弱性.
结论:
- 提出的模型提供了有效,准确和可解释的框架,以打击土耳其的错误信息.
- 这种架构对类似的低资源,形态复杂的语言具有前景.
- 需要进一步的研究来解决刺和先进的虚假信息战术中发现的漏洞.