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. HAKE-Action:作为HAKE项目的一部分，包括复制的SOTA模型和相应的HAKE增强版本（CVPR2020）-源码

  2. 假动作 HAKE-Action（TensorFlow）是一个基于我们的打开SOTA行为理解研究的项目。它包括复制的SOTA模型及其HAKE增强版本。 HAKE-行动是由创作，刘鑫鹏，梁旭，陆Cewu。目前，它是由李永禄，刘新鹏和许亮负责的。 新闻：（2021.2.7）升级的发布了！图片/视频->人形盒子+ ID +骨架+零件状态+动作+表示形式。 完整演示： ， （2021.1.15）TPAMI接受了我们的扩展扩展版本！新论文和代码将很快发布。 （2020.10.27）NeurIPS

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：8192
    • 提供者：weixin_42150745

  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-DETECTION-源码

  2. 在此上签出应用 介绍 您是否相信从社交媒体听到的所有新闻？ 所有新闻都不真实，对吧？ 那么，您将如何检测到假新闻？ 我们将使用多项朴素贝叶斯方法将从新闻链接中删除的新闻分类为伪造或真实。 数据 我们将用于此python项目的数据集-我们将其称为news.csv。 该数据集的形状为7796×4。 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。 数据集可以从下载 项目结构 该项目包括四个主要部分： fake_news_detection.py-这包

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：2097152
    • 提供者：weixin_42126677

  1. Social-Media-and-Fake-News-in-the-2016-Election_reproduction-project:2016 Election_reproducibility项目中的社交媒体和虚假新闻-源码

  2. 2016年选举中的社交媒体和假新闻_复制项目 2016 Election_reproducibility项目中的社交媒体和虚假新闻

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：2048
    • 提供者：weixin_42121086

  1. dspd-project:数据科学产品开发项目-源码

  2. dspd项目 数据科学产品开发项目 问题陈述：内容是否为假新闻 数据库架构-虚假新闻应用 元数据：输入实体：input_id：每个输入的唯一标识符search_text：用户提供的内容input_type：域，URL，内容等processing_input：适用于我们模型的已处理输入 输出实体：id：每个输出的唯一标识符is_fake_news：内容是否被归类为false概率_fake_content：内容为伪造的概率Decision_threshold：判定伪造内容的有效性的阈值content

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：79872
    • 提供者：weixin_42129113

  1. athene_system-源码

  2. 介绍 该存储库由Athene团队开发，是“假新闻挑战”第一阶段（FNC-1 ）的一部分： ， ， 和Felix Caspelherr。 在该项目中，我们与密切合作。 我们在COLING 2018中的新论文： 我们关于假新闻挑战的。 德国TU-Darmstadt的AIPHES-无处不在的知识处理（UKP）实验室的Iryna Gurevych教授 要求 软件依赖项 python >= 3.4.0 (tested with 3.4.0) 安装 安装所需的python软件包。 py

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：83886080
    • 提供者：weixin_42127369

  1. shield-db::shield_selector:Shield DB，Dot Shield使用的广告和跟踪器的数据库-源码

  2. 屏蔽数据库 :shield_selector: Shield DB，Dot Shield使用的广告和跟踪器数据库 致谢 Shield DB还包含由其他个人或组织创建的第三方来源。 本节专门介绍来源和背后的人员。 广告宣传 以下人员/团体已使Dot Shield上的广告屏蔽成为可能： StevenBlack / Steven Black的主持人> ， Daniel（lightswitch05）扩展的Ads and-Tracking > ， 阻止列表恶意软件，按阻止列表项目跟踪

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：16777216
    • 提供者：weixin_42133329

  1. SauravMaheshkar-源码

  2. 嗨，我是 :waving_hand: 嗨，我是印度新德里的一名高中生，我想在我的高等教育中追求深度学习。 在过去的两年中，我学习了机器学习，并完成了deeplearning.ai，Google，IBM，伦敦帝国学院，OpenMined Udacity课程和许多其他课程的多个专业。 在此之前，我曾在一家领先的教育型初创公司担任过6个月实习经验的前端开发人员。 我还有一家技术公司，我是从几个朋友开始的，我们负责App和Web开发的行业项目。 我还曾与IoT和Robotics进行过很多合作，赢得

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：39936
    • 提供者：weixin_42173218

  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. millipede-docs：用于在数字世界中提高自决权的指导系统-源码

  2. 千足虫项目 指导系统，以提高数字世界中的自决权 主题 -使不受信任的环境受信任 -打击假新闻的方法

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：2097152
    • 提供者：weixin_42104947

  1. FYP：这是我最后一年项目的github回购-源码

  2. 目录 描述 该项目旨在发现社交媒体上虚假新闻的趋势。 目前，我正在使用apache kafka实时直播Twitter上的推文，并使用机器学习来分析这些推文。 我旨在使用分析仪表板显示假新闻的趋势，用户可以使用D3.js和flask进行交互 :exclamation_mark: 这仍在积极开发中，因此并非所有功能都存在。 什么是假新闻？ 假新闻（也称为垃圾新闻，伪新闻或恶作剧新闻）是一种新闻形式，由故意的虚假信息或通过传统新闻媒体（印刷和广播）或在线社交媒体传播的恶作剧组成。 这是维基百科的定

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：166723584
    • 提供者：weixin_42128141

  1. fake_news_detection：MAIS202的交付项1，项目是AI假新闻检测-源码

  2. MAIS202 2020年秋季最终项目：假新闻检测器 抽象的 这是麦吉尔MAIS202的最终项目。 该项目的目标是对任何新闻产生“真实”或“伪造”分类。 提出并实现的算法是经典的朴素贝叶斯算法。 另外，我已经实现了广泛的自然语言预处理，使用了诸如“停用词去除”和“词义化”之类的方法来提高分类的准确性。 通过对多项式算法进行网格搜索并实现最佳参数，测试精度达到了97％。 储存库结构 该存储库包含2个文件夹和2个文件：。 派力宝 可交付成果1 数据选择提案.pdf 交付品2 Deliverab

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：145752064
    • 提供者：weixin_42162171

  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. 阿塞拜疆-假新闻生成器：该项目的目的是使用LSTM递归神经网络以阿塞拜疆语言生成假新闻。 LSTM递归神经网络是功能强大的深度学习模型，用于学习序列数据。 在这里，LSTM模型接受了65,000个样本的训练，并且应该能够生成文本-源码

  2. 阿塞拜疆假新闻发生器 语言模型可以根据序列中已观察到的单词来预测序列中下一个单词的概率。 神经网络模型是开发统计语言模型的首选方法，因为它们可以使用分布式表示形式，其中具有相似含义的不同单词具有类似表示形式，并且因为它们在进行预测时可以使用最近观察到的单词的较大上下文。 该项目的目的是使用LSTM递归神经网络以阿塞拜疆语言生成假新闻。 LSTM递归神经网络是功能强大的深度学习模型，用于学习序列数据。 在该项目中，使用LSTM模型并对其进行了65 000个样本的训练，并且该模型应该能够生成文本。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：8388608
    • 提供者：weixin_42160278

  1. 假新闻项目-源码

  2. 假新闻项目 嗨，我是乔恩。 在YRGO，我正在建立一个假新闻网站“ Rabbits Carrot”。 安装指南 以您喜欢的方式克隆存储库，无论是通过终端还是GitHub桌面 使用终端并导航到： php -S localhost:8000 在浏览器中输入localhost：8000。 测试人员： 费利克斯·奥斯特格伦 乔纳森·拉森 代码审查 （Evelyn）评论 在index.php:19建议添加页面标题。 在index.php:28我会将foreach循环移至标记下方，否则在循环中重复上述

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：2097152
    • 提供者：weixin_42104778

  1. TrollHunter：Twitter Troll和虚假新闻猎人-爬行新闻网站和Twitter，以识别假新闻-源码

  2. 巨魔猎人 TrollHunter是Twitter搜寻器和新闻网站索引器。 它的目的是在Twitter上查找Troll Farmers＆Fake News。 它由三部分组成： Twint API提取有关推文或用户的信息 新闻索引器，用于索引网站的所有文章并提取其关键字 分析推文和新闻 安装 你可以跑 pip3 install TrollHunter 或克隆项目并运行 pip3 install -r requirements.txt 码头工人 TrollHunter需要许多服务才能运行 ELK

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：55574528
    • 提供者：weixin_42168265

  1. 新闻搜索：大学项目：具有伪造新闻检测功能的新闻搜索引擎-源码

  2. 新闻搜索 新闻搜索引擎具有使用虚假新闻检测功能的Python，使用微型Web框架Flask实现。 在线演示 注意：部署可能需要几秒钟 功能性 网络抓取：应用程序可以下载并验证给定域中的所有文章 文章索引：词袋，文档反向频率，SVD和低秩近似 假新闻检测：使用我的python包对文章进行分类 预习 搜索结果： 示例分析（真实新闻）： 分析示例（注意）： 使用的技术 前端： 引导程序 JS，jQuery 后端： Python 烧瓶 模板引擎：Jinja

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：544768
    • 提供者：weixin_42118161

  1. 盐粒：新闻文章的来源及其来源的可靠性-源码

  2. 盐粒 这个项目是为了防止假新闻在社交网络上的传播，并鼓励人们以微不足道的方式获取信息。 该项目是Reddit的克隆，并使用Reddit API来获取帖子数据。 分数根据用户的信誉分配给每个帖子。 然后通过智能合约更新该分数，该合约还接收用户发布的任何新帖子。这些分数用于在每个帖子周围生成彩色边框，范围从绿色到可读取（可信任到不可信任）。 先决条件 您需要在计算机上正确安装以下物品。 （带有NPM） 安装 克隆此存储库 git clone gitgithub.com:BlockchainNL/g

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：316416
    • 提供者：weixin_42138780

  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
« 12 »