Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Виявлення фейкових новин× | Сентимент-аналіз× | |
|---|---|---|
| Галузь | Інтелектуальний аналіз тексту | Інтелектуальний аналіз тексту |
| Родина | Process / pipeline | Process / pipeline |
| Рік появи | — | — |
| Автор методу | — | — |
| Тип | NLP text-classification task | NLP text-classification task |
| Основоположне джерело≠ | Shu, K. et al. (2017). Fake News Detection on Social Media. ACM SIGKDD. link ↗ | Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135. DOI ↗ |
| Інші назви≠ | misinformation detection, false news classification, automated fact checking, Yanlış/Sahte Haber Tespiti | opinion mining, polarity detection, duygu analizi |
| Пов'язані≠ | 4 | 3 |
| Підсумок≠ | Fake news detection is a natural-language-processing classification task that assesses the credibility of news text and labels content as fake or genuine. Building on the social-media framing of Shu et al. (2017) and the automated-fact-checking framing of Thorne and Vlachos (2018), it turns unstructured news articles into a supervised credibility decision learned from labelled examples. | Sentiment analysis, also called opinion mining, is a natural-language-processing task that detects the emotional tone of text — typically classifying it as positive, negative, or neutral. It turns unstructured opinion text into structured, quantifiable polarity signals using one of three families of approaches: sentiment lexicons, trained machine-learning classifiers, or pretrained transformer models. |
| ScholarGateНабір даних ↗ |
|
|