摘要:DeepFake技术的扩散引起了人们对社交媒体平台上错误信息传播的关注。在本文中,我们提出了一种基于深度学习的方法,用于检测DeepFake推文,特别是由机器生成的推文,以帮助减轻在线错误信息的影响。我们的方法利用FastText嵌入来表示推文文本,并将其与深度学习模型相结合。我们首先预处理文本,然后使用FastText嵌入将它们转换为密集的向量表示。这些嵌入式捕获有关推文内容的语义信息,这对于区分真实和机器生成的推文至关重要。然后,我们将这些嵌入将这些嵌入给深度学习模型,例如卷积神经网络(CNN)或长期短期内存(LSTM)网络,以将推文归类为真实或机器生成的推文。该模型是在标有标记的Tweet数据集上训练的,在该数据集中,使用最先进的文本生成模型合成机器生成的推文。对推文的现实世界数据集的实验结果证明了我们方法在检测机器生成的推文中的有效性。我们的方法实现了很高的准确性,并且优于在社交媒体上进行深层检测的现有方法。总的来说,我们提出的方法为检测机器生成的推文并遏制整个社交媒体平台上的错误信息的扩散提供了强大而有效的解决方案。
主要关键词