Key points are not available for this paper at this time.
Zusammenfassung Die Klassifikation von Fake News hat sich als spannendes Thema für Forscher im Bereich des maschinellen Lernens und der künstlichen Intelligenz entwickelt. Der Großteil der bestehenden Literatur zur Erkennung von Fake News basiert auf der englischen Sprache. Daher benötigt es mehr Benutzerfreundlichkeit. Die Erkennung von Fake News in ressourcenschwachen Sprachen ist weiterhin herausfordernd aufgrund des Fehlens großer annotierter Datensätze und Werkzeuge. In dieser Arbeit schlagen wir einen großangelegten indischen Nachrichten-Datensatz für die Hindi-Sprache vor. Dieser Datensatz wird durch das Scraping verschiedener zuverlässiger Faktenprüfungs-Webseiten erstellt. Der LDA-Ansatz wird verwendet, um die Kategorie den Nachrichtenäußerungen zuzuweisen. Verschiedene Ansätze des maschinellen Lernens und des Transferlernens werden angewendet, um die Authentizität des Datensatzes zu überprüfen. Ensemble-Lernen wird ebenfalls basierend auf der geringen falsch-positiven Rate der Klassifikatoren des maschinellen Lernens eingesetzt. Ein multimodaler Ansatz wird angenommen, indem LSTM mit den Klassifikatoren VGG-16 und VGG-19 kombiniert wird. LSTM wird für textuelle Merkmale verwendet, während VGG-16 und VGG-19 für die Bildanalyse angewendet werden. Unser vorgeschlagener Datensatz hat eine zufriedenstellende Leistung erreicht.
Garg et al. (Mon,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: