注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. aps360-fake-news:用PyTorch编写的虚假新闻分类器-源码

  2. aps360-假新闻 多伦多大学为2020年夏季学期创建的APS360项目。 依存关系 为了使用该模型，必须安装所需的依赖项。根据模型的运行方式，有几种安装依赖项的选项。这些安装方法仅一种是必需的。 通过点 安装在找到的pip ： pip install -r requirements.txt 通过Anaconda 安装位于environment.yml中的conda ： conda env create -f environment.yml 通过Docker 构建在找到的Docker映

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：20480
    • 提供者：weixin_42138780

  1. Fake-News-Classifier:将新闻分类为假或真-源码

  2. 假新闻分类器 从真实的真实新闻中识别出虚假新闻非常重要。 该问题已通过自然语言处理工具解决并得到了解决，该工具可帮助我们根据历史数据识别假新闻或真实新闻。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_42138525

  1. fake-news-confia:基于新闻传播和用户声誉的虚拟媒体虚假新闻检测研究-源码

  2. 假新闻Confia 基于新闻传播和用户声誉的虚拟媒体虚假新闻检测研究 剧本 这些脚本旨在创建用于数据挖掘和训练分类器的一组数据集。 数据集基于从Twitter提取到文件结构中的现有内容。 Jupyter笔记本 笔记本打算从以前创建的数据集中提取信息。 收集信息并将其用作不同分类器的输入，以创建多个机器学习模型。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：14336
    • 提供者：weixin_42138139

  1. Fake-News-Detection-System:假新闻检测系统，用于检测新闻是否为伪造。 使用“说谎者，说谎者着火的裤子”训练模型-源码

  2. 假新闻检测系统 提议的系统分为多个阶段，以根据数据挖掘操​​作领域（例如数据收集，数据预处理，特征提取，特征选择和机器学习模型的实现）完全隔离工作，以进行将新闻分类为是非的预测并预测新闻属于预测标签的概率。 实施了许多机器学习模型，并根据准确性，f1得分，准确性和召回率等指标对机器学习模型的性能进行了比较。 评估模型性能的主要决定指标被选为f1得分，其中考虑了精度和召回率之间的折衷。 在对以下机器学习模型（SVM，逻辑回归，朴素贝叶斯和随机森林）进行了训练和调整之后，实施了投票分类器，将上述

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：32505856
    • 提供者：weixin_42097914

  1. Brihaspati:机器学习，深度学习和计算机视觉中各种实现和代码的集合:sparkles::collision:-源码

  2. 布里萨帕蒂 :pushpin: 介绍 这是各种机器学习算法和实验的集合，通过遵循各种教程，文章博客等内容，这些知识已经在我这边实现了。 这些机器学习算法已在来自 ， 等的各种数据集上实现。 :check_mark: 资源 :collision: 笔记本和数据集 姓名 数据集 笔记本 亚马逊情绪分析 使用转移学习进行COVID-19检测 猫狗分类器 使用LSTM的聊天机器人 决策树 假新闻分类 性别预测 印地语字符识别 鸢尾花预测 K均值聚类 线性回归I 线性回归II 线性回归III 逻辑回

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：150994944
    • 提供者：weixin_42174098

  1. 假新闻检测-源码

  2. FakeNews_Detection 假新闻检测器通过使用“ doc2vec”模型学习美国新闻的模式来建立分类器 假新闻检测 概述 社交媒体上的虚假新闻检测主题最近引起了极大的关注。 比较网站与带有标签的假新闻来源列表的基本对策是不灵活的，因此需要一种机器学习方法。 我们的项目旨在基于新闻文章的文本内容，使用自然语言处理技术直接检测虚假新闻。 问题定义 开发机器学习程序，以识别新闻源何时可能产生虚假新闻。 我们的目标是使用带有标签的真实和伪造的新文章语料库来构建分类器，该分类器可以根据语料库

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：47185920
    • 提供者：weixin_42139302

  1. 假新闻分类器-源码

  2. 假新闻分类器

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：11534336
    • 提供者：weixin_42178688

  1. Hoaxify：Hoaxify是使用NLP技术构建的虚假新闻分类器-源码

  2. 骗局2.0 介绍 假新闻是虚假或误导性信息，以新闻形式呈现。 它的目的通常是损害个人或实体的声誉，或通过广告收入来赚钱。 假新闻是当今政治格局中越来越普遍的特征。 为了解决这个问题，研究人员和媒体专家提出了采用自然语言处理（NLP）来分析新闻报道的单词模式和统计相关性的伪造新闻检测器。 训练ML（DL）模型的数据集可以通过众包技术进行整理，或者我们可以使用kaggle等已整理的数据集。 数据整理 众包收集虚假新闻数据。 已经准备好的数据。 属性：新闻：新闻文章编号。 标题：新闻文章的标题

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：55574528
    • 提供者：weixin_42170790

  1. Fake-News-Classifier：我基于kaggle数据集构建的虚假新闻分类器-源码

  2. 假新闻分类器

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：41943040
    • 提供者：weixin_42151305

  1. Faker：虚假信息挑战SBPBRiM-源码

  2. 朝着自动系统检测政治媒体中的虚假信息 介绍 根据各种因素，任何信息都可以是真实的或虚假的。 在此项目中，我们在两个基准数据集上使用深度学习和NLP技术将一段文本分类为真实或伪造。 请查看最终报告以查看有关体系结构和性能指标的更多信息。 说谎者 LIAR数据集有6种不同的类别，从True到Pants fire。 假新闻网 FNN有两个不同的类。 真实和虚假。 分词器 我们使用pyTorch的BERT标记工具。 我们删除了TF-IDF表示的停用词，并保留了双字TF-IDF的停用词。 嵌入 对于骗子

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：34603008
    • 提供者：weixin_42102634

  1. FakeNews-Generator-And-Detector：训练T5模型以生成简单的Fake News，并使用RoBERTa模型对虚假和真实内容进行分类-源码

  2. 假新闻生成器和检测器 最近，我正在试验T5模型并探索它所提供的选项。 考虑到当前最先进的NLP模型的汇总功能，我很想知道如果我转过头来会产生什么结果。 因此，输入短文本，然后让模型生成更长的文本。 如果我还要使用新闻数据集，那么我将拥有一个非常简单的“假新闻”生成器。 接下来，我可以使用该真实和虚假新闻来训练分类器，并查看另一个NLP模型将真实和虚假新闻进行分类的能力。 概括来说，此存储库包含以下3个步骤的代码： 在新闻数据集上训练T5模型，并生成带有假新闻的全套信息。 训练RoBERTA

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1073741824
    • 提供者：weixin_42125192

  1. 假新闻-源码

  2. 假新闻 该模型检测给定新闻是REAL还是FAKE。 算法 在此模型中，我们使用了两种不同的算法： 朴素贝叶斯-80.26％ 被动攻击性分类器-88.32％ 数据集 您可以从给定的链接（ ）下载数据集:: =>下载数据集并将其放入名为数据集的文件夹中 数据集的形状为7795×4。 第一列标识新闻，第二列和第三列分别是标题和文本，第四列具有标签，指示新闻是REAL还是FAKE。 运行模型 python Fake_news_detector.py 使用朴素贝叶斯模型的准确性为80

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：2048
    • 提供者：weixin_42097450

  1. 假新闻：从最初的构想到模型部署，构建一个假新闻检测器-源码

  2. 机器学习支持的虚假新闻检测器 从初始构想到部署，构建端到端机器学习项目的完整示例。 此回购随附于博客文章系列，描述了如何构建假新闻检测应用程序。 这里包含的帖子： ：描述项目构想，设置存储库和初始项目工具。 ：描述如何使用工具获取数据集并执行探索性数据分析，以便更好地理解问题。 ：描述如何为第一个ML模型（随机森林分类器）获得功能训练/评估管道，包括如何正确测试管道的各个部分。 ：描述如何解释通过特征分析（通过诸如类的技术）和错误分析所学的第一个模型。 也可用于由驱动的第二个模型。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42113380

  1. Big_Data_Project：虚假新闻检测-使用矢量化（例如计数矢量化器，TFIDF矢量化器，哈希矢量化器）进行特征提取。 然后使用Ensemble模型对新闻是否为假新闻进行分类-源码

  2. Big_Data_Project-伪造新闻检测 在这个项目中，我们展示了使用机器学习算法进行文本分类。 我们致力于对给定的新闻文章是假的还是真实的进行分类。 数据清理和预处理： 删除了文本中的特殊字符拼写检查了所有文档删除了停用词对文档进行矢量化处理。 向量化 对于矢量化，我们使用了-计数矢量化器，TFIDF矢量化器，哈希矢量化器。 分类 对于分类目的，我们使用了：多项朴素贝叶斯，支持向量机（LinearSVC），PassiveAgressiveClassifier。 我们比较了矢量化器和分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12582912
    • 提供者：weixin_42133415

  1. Fake-News-Classifier-源码

  2. 使用双向RNN的假新闻分类器

  3. 所属分类：其它

    • 发布日期：2021-04-02
    • 文件大小：22528
    • 提供者：weixin_42122432