文本挖掘-Text-mining-based Fake News Detection Using Ensemble Methods -文献阅读笔记

最新推荐文章于 2024-08-20 09:27:39 发布

原创

最新推荐文章于 2024-08-20 09:27:39 发布 · 859 阅读

标签

#ieee论文 #经验分享 #其他

收录于

本文探讨了多种假新闻检测方法，包括内容模型和社交上下文模型，并提出了一种结合书写风格特征和词向量表示的分类方法。通过实验，作者分析了不同特征组合、分类器和降维技术的效果，最终得出集成方法如bagging、boosting和voting在提升检测准确性方面的优势。

文章目录

前言
一、数据挖掘-文本挖掘？
二、相关工作
总结

前言

本文主要记录作者对于文本挖掘相关论文的读后感，包括主要方法，对文献的评价，应用的的背景，以及总结与结论等方面的内容。

一、数据挖掘-文本挖掘？

近年来数据挖掘比较火，文本挖掘就是数据的挖掘的一种。通俗的说，从海量数据中寻找自己需要的数据集。

二、相关工作

1.对比了多种假新闻检测的方法：

a) Shu et al.[2] classify fake news detection models into news content models and social context models.
b) Conroy et al.[8] propose operational guidelines for designing a system for verification of news.
c) Gild: TF-IDF of bi-grams with stochastic gradient descent model identified fake news with an accuracy of 77.2%.
d) Ruchansky et al.[11] proposed a model with three modules: capture, score, and integrate.89.2%(Twitter)-95.3%(W
e) Buntain and Golbeck[12] used structural, contentbased, user and temporal features to design a system to detect fake news in popular Twitter threads. 65.29%(BuzzFeed)( is