La detección de noticias falsas (FND, por sus siglas en inglés) implica predecir la probabilidad de que un artículo de noticias en particular (informe de noticias, editorial, exposé, etc.) sea intencionalmente engañoso. La FND en árabe comenzó a recibir más atención en la última década, y muchos enfoques de detección han demostrado cierta capacidad para detectar noticias falsas en múltiples conjuntos de datos. Sin embargo, la mayoría de los enfoques existentes no consideran los avances recientes en el procesamiento del lenguaje natural, es decir, el uso de redes neuronales y transformadores. Este artículo presenta un estudio comparativo exhaustivo de modelos de lenguaje basados en redes neuronales y transformadores utilizados para la FND en árabe. Examinamos el uso de redes neuronales y modelos de lenguaje basados en transformadores para la FND en árabe y mostramos su rendimiento en comparación entre sí. También realizamos un análisis exhaustivo de las posibles razones de la diferencia en los resultados de rendimiento obtenidos por diferentes enfo
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un algoritmo de detección de oclusión para la cámara de vigilancia
Artículo:
Un Modelo para la Evaluación de la Calidad de Video Considerando la Pérdida de Paquetes para la Televisión Digital de Radiodifusión Codificada en H.264
Artículo:
Una novedosa estrategia defensiva para la detección de manipulaciones faciales que combina el filtrado bilateral y el entrenamiento adversarial conjunto
Artículo:
Un marco de aprendizaje automático mejorado para la clasificación de la diabetes tipo 2 utilizando datos desequilibrados con valores faltantes.
Artículo:
Investigación sobre el Modelo de Evaluación de la Teoría de Gestión Educativa Basado en Minería de Datos desde la Perspectiva de la Red Neuronal.