注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 虚假新闻检测的自然语言处理研究综述【东大-UCSB】.zip

  2. 本文对虚假新闻的检测进行了综述。我们的调查介绍了自动识别假新闻的挑战。我们系统地回顾了为这项任务所开发的数据集和NLP解决方案。我们还讨论了这些数据集和问题公式的限制、我们的见解和建议的解决方案。

  3. 所属分类：机器学习

    • 发布日期：2020-02-12
    • 文件大小：111kb
    • 提供者：syp_net

  1. 《挖掘虚假信息和假新闻:概念、方法和最新进展》研究综述【ASU大学】.zip

  2. 如何利用人工智能机器学习数据挖掘技术治理缓解虚假信息的影响？是整个研究界关心的话题。最近，亚利桑那州立大学（Arizona State University）的Kai Shu、Huan Liu和宾夕法尼亚州立大学的Suhang Wang和Dongwon Lee共同撰写关于虚假信息和假新闻检测的概述进展《Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements》，详述了虚假信息、错误信息、恶意信息

  3. 所属分类：机器学习

    • 发布日期：2020-01-11
    • 文件大小：985kb
    • 提供者：syp_net

  1. 使用集成方法的基于文本挖掘的假新闻检测.doc

  2. 对于文本挖掘的阅读笔记详细内容。社交媒体是一个自由表达自己观点和意见的平台，使交流比以前更加容易。这也为人们故意传播假新闻打开了机会。容易在网上获得各种新闻来源也带来了人们接触虚假新闻和可能相信这种新闻的问题。这使得我们在社交媒体上检测和标记此类内容变得非常重要。以目前社交媒体上生成新闻的速度，在不知道消息来源的情况下，很难区分真正的新闻和恶作剧。本文讨论了仅使用新闻文本的特征而不使用任何其他相关元数据来检测虚假新闻的方法。我们观察到通过集成方法将风格特征和基于文本的词向量表示相结合可以预测假新

  3. 所属分类：讲义

    • 发布日期：2020-10-19
    • 文件大小：57kb
    • 提供者：May_hard

  1. 仇恨言论假新闻检测（来自CIKM 2020）

  2. 社交媒体平台给了用户在网上发布内容和表达意见的机会，而且非常快速和简单。网上发布内容的便利性和社交媒体的匿名性增加了发布有害内容的数量。本教程将重点介绍如何检测在线发布的有害信息。该指南将特别关注两类有害信息，虚假新闻和仇恨言论。

  3. 所属分类：机器学习

    • 发布日期：2020-10-25
    • 文件大小：100mb
    • 提供者：syp_net

  1. Fake-News-Detection-System:假新闻检测系统，用于检测新闻是否为伪造。 使用“说谎者，说谎者着火的裤子”训练模型-源码

  2. 假新闻检测系统 提议的系统分为多个阶段，以根据数据挖掘操​​作领域（例如数据收集，数据预处理，特征提取，特征选择和机器学习模型的实现）完全隔离工作，以进行将新闻分类为是非的预测并预测新闻属于预测标签的概率。 实施了许多机器学习模型，并根据准确性，f1得分，准确性和召回率等指标对机器学习模型的性能进行了比较。 评估模型性能的主要决定指标被选为f1得分，其中考虑了精度和召回率之间的折衷。 在对以下机器学习模型（SVM，逻辑回归，朴素贝叶斯和随机森林）进行了训练和调整之后，实施了投票分类器，将上述

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：31mb
    • 提供者：weixin_42097914

  1. fake-news:使用自然语言处理技术检测虚假新闻-源码

  2. 假新闻 使用自然语言处理技术检测虚假新闻

  3. 所属分类：其它

  1. 假新闻检测-源码

  2. FakeNews_Detection 假新闻检测器通过使用“ doc2vec”模型学习美国新闻的模式来建立分类器 假新闻检测 概述 社交媒体上的虚假新闻检测主题最近引起了极大的关注。 比较网站与带有标签的假新闻来源列表的基本对策是不灵活的，因此需要一种机器学习方法。 我们的项目旨在基于新闻文章的文本内容，使用自然语言处理技术直接检测虚假新闻。 问题定义 开发机器学习程序，以识别新闻源何时可能产生虚假新闻。 我们的目标是使用带有标签的真实和伪造的新文章语料库来构建分类器，该分类器可以根据语料库

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：45mb
    • 提供者：weixin_42139302

  1. 虚假新闻检测：使用机器学习创建虚假新闻检测-源码

  2. 假新闻检测 使用机器学习创建虚假新闻检测

  3. 所属分类：其它

  1. NewsAnalysis：分析新闻来源的偏倚和可靠性-源码

  2. R中的新闻分析 我们发现非常有趣的一件事是，不同国家的媒体公司对新闻的报道有多么不同。 在这个项目中，我们尝试过滤这些标题，以更好地了解新闻。 该R项目分为四个主要部分：文本分析，实体检测，情感分析和虚假新闻分析。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：16mb
    • 提供者：weixin_42168830

  1. 使用LSTM-RNN进行虚假新闻检测-源码

  2. 虚假新闻检测器使用LSTM-RNN 通过使用LSTM（长期短期记忆）递归神经网络，开发了深度学习模型来识别文章何时可能是假新闻。 数据集 数据集在kaggle网站上给出 任务 在nltk Framework的帮助下，通过删除标点符号，停用词等对文本数据进行预处理 执行一种热编码，包括填充序列 应用词嵌入语料库文件 训练具有100个神经元的单层LSTM模型 训练数据的准确性为99％，测试数据的准确性为90％

  3. 所属分类：其它

  1. Faker：虚假信息挑战SBPBRiM-源码

  2. 朝着自动系统检测政治媒体中的虚假信息 介绍 根据各种因素，任何信息都可以是真实的或虚假的。 在此项目中，我们在两个基准数据集上使用深度学习和NLP技术将一段文本分类为真实或伪造。 请查看最终报告以查看有关体系结构和性能指标的更多信息。 说谎者 LIAR数据集有6种不同的类别，从True到Pants fire。 假新闻网 FNN有两个不同的类。 真实和虚假。 分词器 我们使用pyTorch的BERT标记工具。 我们删除了TF-IDF表示的停用词，并保留了双字TF-IDF的停用词。 嵌入 对于骗子

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：33mb
    • 提供者：weixin_42102634

  1. 虚假新闻检测-源码

  2. 虚假新闻检测

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：49kb
    • 提供者：weixin_42126668

  1. BOLD-Bayesian-Online-Liar-Detector：设计一个ML框架，可以实时检测虚假新闻。 试试看！！-源码

  2. 贝叶斯贝叶斯在线骗子检测器 我们开发了一种贝叶斯神经网络算法来预测文本语料库是真实的还是伪造的内容。 有一个链接指向用于实时测试的BOLD网页。 这是研究论文的一部分。 试试看。 玩得开心。 干杯！！

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1008kb
    • 提供者：weixin_42139429

  1. 假新闻检测：参考相关著作并基于LSTM和CNN为越南文章建立假新闻检测模型-源码

  2. 假新闻检测 参考相关作品，并根据越南文文章建立基于LSTM和CNN的虚假新闻检测模型。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：164kb
    • 提供者：weixin_42104181

  1. 新闻搜索：大学项目：具有伪造新闻检测功能的新闻搜索引擎-源码

  2. 新闻搜索 新闻搜索引擎具有使用虚假新闻检测功能的Python，使用微型Web框架Flask实现。 在线演示 注意：部署可能需要几秒钟 功能性 网络抓取：应用程序可以下载并验证给定域中的所有文章 文章索引：词袋，文档反向频率，SVD和低秩近似 假新闻检测：使用我的python包对文章进行分类 预习 搜索结果： 示例分析（真实新闻）： 分析示例（注意）： 使用的技术 前端： 引导程序 JS，jQuery 后端： Python 烧瓶 模板引擎：Jinja

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：532kb
    • 提供者：weixin_42118161

  1. 虚假新闻检测使用人群资源：用于伪造新闻文章验证的众包Web应用程序-源码

  2. 事实上 社交媒体改进了基于志愿者的人群来源事实检查 团队名称：空白空间 成员： 1. Suraj Soni : 160050092 2. Sai Teja Talluri : 160050098 3. Chaithanya Naik : 160050102 4. Jagadeep Sai : 160050104 行为守则： 该项目的整个代码纯粹是我们自己的工作，我们没有得到其他学生的任何帮助，也没有从互联网上复制代码，并且在任何时候我们都可以解释所编写代码的任何部分。

  3. 所属分类：其它

  1. Fake_News_Detection：使用Scikitlearn进行虚假新闻检测的机器学习方法-源码

  2. Fake_News_Detection：使用Scikitlearn进行虚假新闻检测的机器学习方法

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：11mb
    • 提供者：weixin_42114580

  1. 假新闻：从最初的构想到模型部署，构建一个假新闻检测器-源码

  2. 机器学习支持的虚假新闻检测器 从初始构想到部署，构建端到端机器学习项目的完整示例。 此回购随附于博客文章系列，描述了如何构建假新闻检测应用程序。 这里包含的帖子： ：描述项目构想，设置存储库和初始项目工具。 ：描述如何使用工具获取数据集并执行探索性数据分析，以便更好地理解问题。 ：描述如何为第一个ML模型（随机森林分类器）获得功能训练/评估管道，包括如何正确测试管道的各个部分。 ：描述如何解释通过特征分析（通过诸如类的技术）和错误分析所学的第一个模型。 也可用于由驱动的第二个模型。

  3. 所属分类：其它

  1. Big_Data_Project：虚假新闻检测-使用矢量化（例如计数矢量化器，TFIDF矢量化器，哈希矢量化器）进行特征提取。 然后使用Ensemble模型对新闻是否为假新闻进行分类-源码

  2. Big_Data_Project-伪造新闻检测 在这个项目中，我们展示了使用机器学习算法进行文本分类。 我们致力于对给定的新闻文章是假的还是真实的进行分类。 数据清理和预处理： 删除了文本中的特殊字符拼写检查了所有文档删除了停用词对文档进行矢量化处理。 向量化 对于矢量化，我们使用了-计数矢量化器，TFIDF矢量化器，哈希矢量化器。 分类 对于分类目的，我们使用了：多项朴素贝叶斯，支持向量机（LinearSVC），PassiveAgressiveClassifier。 我们比较了矢量化器和分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12mb
    • 提供者：weixin_42133415

  1. 社交媒体中虚假新闻检测的用户特征增强模型

  2. 近年来，社交媒体已成为新闻消费的理想渠道，同时它也以易于获取和低成本的优势，促进了假新闻的快速传播。 假新闻对社会和个人都有不利影响。 如今，社交媒体中的虚假新闻检测已得到广泛研究。 尽管大多数以前的工作都专注于不同的网络分析，但事实证明，新闻用户网络中个人的用户配置文件很有用，但在分析网络结构时却被忽略了。 因此，在本文中，我们旨在通过属性网络表示学习，利用用户属性在友谊网络中发现潜在的用户连接，并重建新闻用户网络，以增强新闻和用户在新闻传播网络中的嵌入，从而有效地识别那些倾向于传播假新闻的用

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：479kb
    • 提供者：weixin_38745434
« 12 »