Key points are not available for this paper at this time.
As complexidades da detecção de notícias falsas não podem ser superadas apenas com Processamento de Linguagem Natural. Mesmo um ser humano acha difícil decidir a autenticidade de um artigo sem uma verificação de fatos adicional. Portanto, um modelo de Aprendizado Profundo totalmente baseado em PNL está destinado a ter enormes limitações. Para abordar essa deficiência, o sistema proposto também inclui uma fase de mineração de dados ao vivo que fornece características secundárias. Essas características incluem domínios de origem do artigo, nomes dos autores etc. Como essas características imitam, até certo ponto, o processo de verificação de fatos, espera-se que o modelo supere os modelos existentes que são baseados apenas em PNL. Buscamos comparar os resultados de modelos com e sem características secundárias extraídas. Redes Neurais LSTM e FF são exploradas. Além disso, a eficácia de diferentes representações de vetores de palavras em relação a esse problema também é investigada.
Deepak et al. (Wed,) estudaram esta questão.