4、孟加拉语假新闻检测：混合深度学习模型的应用

孟加拉语假新闻检测：混合深度学习模型的应用

1. 引言

在当今科技发达的全球化时代，人们借助各种通信技术紧密相连。在线新闻门户和社交媒体平台的普及，让我们能轻松获取各类新闻和观点。例如，Facebook 每月约有 28.5 亿活跃用户，Twitter 每月有 1.87 亿活跃用户。然而，这些平台上信息的真实性却难以辨别。

假新闻指的是虚假信息、误导性内容、虚假背景、操纵性内容和标题党等的传播。其背后可能是别有用心的人，甚至是程序机器人。假新闻的传播动机有时是为了获取政治利益，或者伤害他人。比如在 2016 年美国大选中，虚假新闻就对选举结果产生了重大影响。

目前，多数关于假新闻检测的研究集中在英语领域，而像孟加拉语这样的低资源语言的相关研究较少。孟加拉语有大约 2.3 亿母语使用者和 3700 万第二语言使用者，是世界上使用人数排名第五的语言。因此，开展孟加拉语假新闻检测的研究十分必要。具体聚焦于以下几点：
- 基于文章标题和内容检测孟加拉语假新闻。
- 评估使用孟加拉语 GloVe 嵌入的深度学习模型组合在公开孟加拉语数据集上的性能。
- 比较模型在有和没有类别权重的数据集上的性能，特别是在数据集不平衡的情况下。

2. 相关工作

假新闻的传播并非新鲜事，古代就已存在。在现代，利用深度学习和机器学习方法自动检测假新闻是研究的主流方向。
- 有研究使用 CNN、LSTM 和 Bi - LSTM 模型，应用于 2016 年发布的 Fake News Challenge (FNC - 1) 数据集，准确率达到 72.2%。
- 一项研究发现，由 CNN 和 RNN 组成的混合模型在假新闻分类上