阿拉伯语虚假新闻检测的预测建模：利用语言模型嵌入和堆叠集成方法

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Predictive Modeling for Arabic Fake News Detection: Leveraging Language Model Embeddings and Stacked Ensemble

阿拉伯假新闻检测研究提出结合词嵌入与集成分类器的创新模型，通过袋装、提升和基线分类器优化性能，实验显示召回率、F1分数等指标达99%，显著提升信息真实性验证能力。

　　

摘要

虚假新闻的泛滥对信息真实性构成了严重威胁，因此需要有效的检测机制。本研究推进了阿拉伯语虚假新闻检测领域的研究，并克服了现有检测方法在准确性方面的局限性。该研究采用词嵌入技术和强大的堆叠分类器来实现阿拉伯语虚假新闻的检测。所提出的模型结合了bagging、boosting以及基线分类器的优点，形成一个强大的集成系统。通过大量实验验证，该方法的召回率、F1分数、准确率和精确度均达到了99%。先进堆叠技术的应用，结合恰当的文本特征提取方法，使得该模型能够有效识别阿拉伯语虚假新闻。研究结果为虚假新闻检测提供了重要贡献，特别是在阿拉伯语语境下，为提升信息真实性及促进公众的理性讨论提供了有力工具。此外，还将所提模型的准确率与现有文献中的其他前沿模型进行了比较，证明了其卓越的性能。