El objetivo del estudio es proponer una solución novedosa para detectar noticias falsas utilizando máquinas de última generación y modelos de aprendizaje profundo (DL). Los autores adaptaron un conjunto de datos de rumores sobre COVID-19 alojados en sitios web de noticias y los analizaron utilizando enfoques de procesamiento del lenguaje natural (PLN) y DL; basándose en la exactitud, la precisión, el recuerdo y la puntuación f1, evaluaron la eficacia de los algoritmos ML y DL. Los resultados mostraron que fueron filtrados comentarios en Google y Twitter relacionados con las noticias falsas sobre COVID-19. Los autores resaltan que fue evaluado el rendimiento de los modelos utilizados en la investigación en términos de veracidad, postura y opinión.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Transmisiones cooperativas de bucle cerrado con codificación MIMO para aplicaciones inalámbricas de redes eléctricas inteligentes.
Artículo:
Diseño y verificación de protocolos de autenticación mutua seguros para redes WiMAX móviles multisalto con retransmisión frente a estaciones base/repetidoras rebeldes
Artículo:
Un Método de Escalado Horizontal de Alta Granularidad para la Nube Basada en Contenedores
Artículo:
Un nuevo memristor generalizado basado en un rectificador de puente de diodos de tres fases.
Artículo:
Refinamiento del haz basado en algoritmos genéticos para el acceso inicial en redes móviles de ondas milimétricas
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.