Core Concepts
방글라데시 가짜 뉴스 탐지를 위해 양방향 순환 신경망 모델을 활용하여 높은 정확도를 달성하였다.
Abstract
이 연구는 방글라데시 가짜 뉴스 탐지를 위한 효과적인 방법을 제안한다. 약 50,000개의 뉴스 기사로 구성된 완전한 데이터셋을 제안하였고, 양방향 순환 신경망(GRU), 장단기 메모리(LSTM), 1D 합성곱 신경망(CNN) 등 다양한 딥러닝 모델을 테스트하였다. 모델 성능 평가 지표로 정확도, 정밀도, 재현율, F1 점수를 사용하였으며, 양방향 GRU 모델이 99.16%의 정확도를 달성하여 가장 우수한 성능을 보였다. 또한 데이터셋 불균형 문제를 해결하기 위해 데이터 균형화 기법을 적용하여 모델 성능을 향상시켰다. 이 연구는 방글라데시 가짜 뉴스 탐지 시스템 구축을 위한 기반을 마련하고, 향후 개선 방향을 제시한다.
Stats
방글라데시 가짜 뉴스 탐지 모델의 정확도는 99.16%이다.
방글라데시 가짜 뉴스 탐지 모델의 정밀도는 99.4%이다.
방글라데시 가짜 뉴스 탐지 모델의 재현율은 99.74%이다.
방글라데시 가짜 뉴스 탐지 모델의 F1 점수는 99.57%이다.
Quotes
"방글라데시 가짜 뉴스 탐지를 위해 양방향 순환 신경망 모델을 활용하여 높은 정확도를 달성하였다."
"데이터셋 불균형 문제를 해결하기 위해 데이터 균형화 기법을 적용하여 모델 성능을 향상시켰다."