检索结果-南通市图书馆

Performance Evaluation of Multiple Classifiers for Predicting fake News

Journal of Computer and Communications 2022年第9期10卷 1-21页

作者： Arzina Tasnim Md. Saiduzzaman Mohammad Arafat Rahman Jesmin Akhter Abu Sayed Md. Mostafizur Rahaman Department of Information Systems Security Bangladesh University of Professionals Dhaka Bangladesh Institute of Information Technology Jahangirnagar University Dhaka Bangladesh Department of Computer Science and Engineering Jahangirnagar University Dhaka Bangladesh

The rise of fake news on social media has had a detrimental effect on society. Numerous performance evaluations on classifiers that can detect fake news have previously been undertaken by researchers in this area. To assess their performance, we used 14 different classifiers in this study. Secondly, we looked at how soft voting and hard voting classifiers performed in a mixture of distinct individual classifiers. finally, heuristics are used to create 9 models of stacking classifiers. The f1 score, prediction, recall, and accuracy have all been used to assess performance. Models 6 and 7 achieved the best accuracy of 96.13 while having a larger computational complexity. for benchmarking purposes, other individual classifiers are also tested.

关键词： fake News Machine Learning Tf-IDf Classifier Estimator f1 score Recall Precision Voting Classifiers Stacking Classifier Soft Voting Hard Voting

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于BERT模型的餐饮电商在线评论情感挖掘

引用

商场现代化 2020年第1期 20-21页

作者：魏一丁福州职业技术学院

以本地美团网美食类店铺为例,爬取在线大量数据,按目标格式注入Google的BERT模型(Bidirectional Encoding Representations from Transformers.),并构建研究对象所适用的数据模型,对潜在评论情感极性能够准确预测,对正向情感评价最高可... 详细信息

以本地美团网美食类店铺为例,爬取在线大量数据,按目标格式注入Google的BERT模型(Bidirectional Encoding Representations from Transformers.),并构建研究对象所适用的数据模型,对潜在评论情感极性能够准确预测,对正向情感评价最高可达98%准确率,98%召回率,f1-score最高达0.98。特别地也分析了其负向f1-score的成因,并提出利用f1-score构建平台分流与展现推广付费的思路。

关键词： BERT f1 score 情感极性在线评论预测模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于贝叶斯算法的心理测试情感分析

引用

信息系统工程 2023年第6期 116-119页

作者：宋海燕内蒙古电子信息职业技术学院

随着社会的快速发展,大学生的各种心理问题日益突出。从研究大学生心理情感的角度出发,介绍了文本情感分析模型相关理论和实现过程,详细论述了应用Python语言进行心理情感数据标注、预处理、构建贝叶斯模型、测试模型、评估模型性能的过... 详细信息

随着社会的快速发展,大学生的各种心理问题日益突出。从研究大学生心理情感的角度出发,介绍了文本情感分析模型相关理论和实现过程,详细论述了应用Python语言进行心理情感数据标注、预处理、构建贝叶斯模型、测试模型、评估模型性能的过程,通过测试,模型预测正确率达到0.862。针对存在的问题,提出了下一步改进模型性能的实施方案,为广泛筛查大学生的心理问题提供参考。

关键词：文本情感分析机器学习贝叶斯算法 python语言 f1 score

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：