"虛假新聞隨著社群網路的發展而快速傳播，帶給人們的日常生活帶來極大的
負面影響甚至會引起社會恐慌。以往人工檢測虛假新聞是一項乏味的工作，也造
成大量時間的浪費，因此使用深度學習自動檢測虛假新聞，是一項熱門且必須的
任務。本論文對原始文本先作資料前處理，之後使用集成雙向長短期記憶神
經網路 (Bidirectional Long Short-Term Memory, Bi-LSTM) 和卷積神經網路
(Convolutional Neural Networks, CNN)，稱為 Bi-LSTM-CNN 模型與轉換器的
雙向編碼器表示技術 (Bidirectional Encoder Representations from Transformers,
BERT)，使用大型不分大小寫版本 (bert-large-uncased) 稱為 Large-BERT，兩
種深度學習模型用於虛假新聞檢測。研究資料來自 (University of Tennessee,
Knoxville, Machine Learning Club, UTK-MLC)，其中訓練集共 20,800 筆資料，
測試集共 5,200 筆資料，以準確率 (Accuracy) 作為模型評估標準。研究結果顯示，
所提出的 Bi-LSTM-CNN 與 Large-BERT 方法，獲得了最高的準確率為 (98.8%)
與 (99.7%)，準確率高於Kaggle 平台競賽第一名 (98.6%)。"
|
