MFF-LSTM: Designing a Multi-scale Feature Fusion-based Long Short Term Memory with Divergent Features for Fake News Detection System

Medya kullanımının artması yalan haberlerin artmasında önemli bir artışa neden oldu bu sorunla mücadele etmeyi ve bu tür bilgilere olan bağımlılığımızı azaltmayı zorunlu kılmaktadır. güvenilmez kaynaklar Sahte haberler insanları yanıltabilir, söylentileri yayabilir ve hatta kamuoyunu etkileyebilir. Siyasi liderlerin pozisyonları. Sahte haberleri tespit etmek bu dijital çağda çok önemli hale geldi. Yaygınlaşmasında doğrudan mesajlaşma platformları ve sosyal medya büyük rol oynuyor. Çeşitli Sahte haberleri tespit etmek için yenilikçi teknikler önerildi. hem ilgi çekici hem de zorlayıcı. Bu nedenle, bu özet uyarlanabilir öğrenmeyi geliştirmeyi amaçlamaktadır. Sahte haber tespiti için çok ölçekli özellik füzyonuna sahip model. Önerilen sistem "Metin toplama, metin ön işleme, özellik çıkarma ve tespit" aşamalarından oluşur. Evet, Metin girişi, kıyaslama veri kümelerinden toplanır ve bunu daha sonra metin takip eder. ön işleme aşaması. Burada özelliğe beslenen önceden işlenmiş metin elde edilir. ekstraksiyon aşamaları. "Çift Yönlü Kodlayıcı" gibi üç özellik çıkarma tekniği Transformatörlerden Temsil (BERT), Terim Frekansı-Ters Belge Frekansı (TF-IDF) ve GloVe Embedding" özellik seti 1, 2 ve 3'ü sağlamak için kullanılır. Son olarak, Ortaya çıkan bu özellikler "Çok Ölçekli Özellik Füzyonuna dayalı Uzun Kısa Vadeli Özelliklerin çok ölçekli bir şekilde bir araya getirildiği ve Tespit LSTM tarafından gerçekleştirilir. Bu nedenle sistem değerlendirmesi dikkate alınarak yapılır. Farklı ölçümler ve geleneksel yaklaşımlar arasında karşılaştırma. Bu nedenle, Önerilen model, kaçmaya yardımcı olan sahte haberleri tespit etmek için istenen sonuçları elde eder herhangi bir yanlış bilginin araştırılması.