05/05/2024
L’era dell’informazione consente alle persone di ottenere notizie online attraverso vari canali, ma nel frattempo le notizie false si diffondono a una velocità senza precedenti. Le notizie false esercitano effetti dannosi poiché compromettono la stabilità sociale e la fiducia del pubblico, il che richiede una crescente domanda di rilevamento di notizie false (FND). Come apprendimento profondo (DL) ottiene un enorme successo in vari settori, è stato sfruttato anche nei compiti FND e supera quelli tradizionali apprendimento automatico metodi basati, che producono prestazioni all'avanguardia. In questo sondaggio, presentiamo una revisione completa e un'analisi dei metodi FND esistenti basati su DL che si concentrano su varie funzionalità come contenuti di notizie, contesto sociale e conoscenza esterna. Esaminiamo i metodi secondo le linee supervisionata, debolmente supervisionata e metodi non supervisionati. Per ciascuna riga, esaminiamo sistematicamente i metodi rappresentativi utilizzando diverse caratteristiche. Quindi, introduciamo diversi set di dati FND comunemente utilizzati e forniamo un'analisi quantitativa delle prestazioni dei metodi FND basati su DL su questi set di dati. Infine, analizziamo i restanti limiti degli approcci attuali ed evidenziamo alcune direzioni future promettenti.
The information age enables people to obtain news online through various channels, yet in the meanwhile making false news spread at unprecedented spee…
