Key points are not available for this paper at this time.
Die weit verbreitete Verbreitung von Fake News hat unser Leben in der Politik und Wirtschaft erheblich beeinflusst. Um dieses Problem zu lösen, haben verschiedene Forscher verschiedene Modelle des maschinellen Lernens und Deep Learning vorgeschlagen. Allerdings erkennen die meisten von ihnen Fake News nicht mit der gewünschten Genauigkeit. Daher haben wir einen Deep-Learning-Rahmen vorgeschlagen, der Fake News von echten Nachrichten mit 99,82% Genauigkeit klassifiziert. Dieses BiLSTM-Modell wurde an einem Datensatz zur Faktenprüfung trainiert und getestet. Darüber hinaus verwendeten wir verschiedene Modellevaluationsmetriken wie Präzision, Rückruf, Fl-Maß und Ausführungszeit, um die Effizienz unseres Modells zu beweisen.
Jiang et al. (Fri,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: