机构名称：
¥ 1.0
摘要 - 数字领域中假新闻的扩散对公共话语构成了重大威胁，因此需要开发有效的检测机制。因此，本文介绍了针对检测假新闻的复发性神经网络（RNN）模型的经验分析，对其在测试数据集上的性能进行了深入的检查。RNN模型表现出非凡的准确性，在准确区分假新闻和真实新闻文章时达到了98.94％的成功率，低损失值为0.0372，表明分类任务的精度很高。关键性能指标进一步阐明了模型的功能：大约98.73％的精确率强调了该模型在识别假新闻方面的准确性。相比，大约99.07％的召回率强调了其在正确对数据集中的大多数假新闻实例进行分类方面的熟练程度。这些结果的综合（准确性，精度和回忆）证明了RNN模型的鲁棒性，作为歧视真正和捏造新闻内容的高度可靠的工具。这些发现不仅增强了模型在现实情况下的适用性，对于过滤错误信息至关重要，而且强调了其在维持信息完整性方面的潜力。这项研究为未来的研究和应用中的应用铺平了道路，这表明对该领域做出了重大贡献。
使用索马里语言中经常性神经网络的假新闻检测
主要关键词
相关文件推荐
