| 标题 |
 Modality Deep-learning Frameworks for Fake News Detection on Social Networks: A Systematic Literature Review 社交网络假新闻检测的模态深度学习框架：系统文献综述
相关领域
计算机科学
模态（人机交互）
社会化媒体
深度学习
数据科学
人工智能
系统回顾
假新闻
万维网
互联网隐私
梅德林
政治学
法学
|
| 网址 | |
| DOI | |
| 其它 | 社交网络上的假新闻是一个具有挑战性的问题，因为它的信息传播迅速、数量庞大，而且很容易匿名创建和分享内容。假新闻报道不仅对在线新闻的可信度造成问题，还因为它们对现实世界的有害后果。本研究的主要研究目标是确定用于检测社交网络中假新闻的最新最先进的深度学习方法。本文对社交网络中基于深度学习的假新闻检测模型进行了系统的文献综述。该方法遵循严格的方法，包括深度学习模式研究选择的预定义标准。本研究侧重于深度学习模态的类型：单模态（指使用单个模型进行分析或建模目的）和多模态模型（指多个模型的集成）。本综述的结果揭示了模态方法的优缺点，以及低资源语言数据集的局限性。此外，它还为深度学习模型和不同的事实核查技术的未来方向提供了见解。在本研究的最后，我们从优缺点和挑战的角度讨论了大型语言模型时代假新闻检测的问题。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
pluto
昏睡的蟠桃
cdercder
bc
归尘
冰魂
Rye227
jenningseastera
ss
乐乐
平常的毛豆
HEIKU
zmnzmnzmn
科研小民工
不倦
遇上就这样吧
back you up
巴拉巴拉巴拉拉
顺心香菇
wy.he
皖公网安备34019202002308
