中文真假新聞辨識系統
Embedded Files
隨著社交媒體發展，假新聞傳播迅速，且多以聳動標題Clickbait）誤導讀者。
目標：改良 RoBERTa 架構，保留 Segment Embeddings 以提升中文標題辨識率和提升模型分類能力，並開發 Web 即時檢測系統。
專題老師 : 葉道明 教授 專題學生 : 薛恩明、葉育豪、戴振倫
研究重點
研究動機：檢視現有的模型
研究目標：改良RoBERTa模型
開發工具與系統架構
開發工具
系統架構
系統展示
與其他基線模型相比，本研究提出的改良型架構顯著提升了準確率。
研究結果
經過獨立測試集（約 18,800 條標題）的驗證，模型表現出優異的分類性能：
模型性能比較
未來展望
➡️使用者輸入之新聞文本可為多樣態(圖片、txt檔等)
➡️系統可於多平台上運行(Android、IOS、Google等瀏覽器)
➡️系統可以給出判定依據及理由（加入可解釋性）
➡️對於錯誤之判斷結果，使用者可進行回報
Page updated
Report abuse