Что такое фейковые новости? Это сложный вопрос. Это сатира? Это мнения куски? Это фактические неточности?
С распространением социальных сетей и пользовательского контента мы открыли наши демократии и институты для беспрецедентного уровня злоупотреблений, риторики и влияния.
К счастью, мы думаем, что машинное обучение может помочь.
Проблема фейковых новостей может быть разбита на проблему классификации текста. Если упростить задачу, можно создать два или более классов новостей и найти примеры каждого класса, а затем обучить модель машинного обучения понимать разницу.
В Machine Box есть инструмент под названием Classificationbox, который позволяет вам легко создавать классификаторы, которые вы можете использовать в производстве. У нас также есть отличный инструмент с открытым исходным кодом, который позволяет еще больше упростить процесс обучения с помощью текстовых файлов под названием textclass
.
Используя эти два инструмента, вы можете делать множество вещей. Ваша задача состоит в том, чтобы классифицировать новости таким образом, чтобы они приносили пользу вашим пользователям. Возможно, они хотят читать только о спорте или хотели бы, чтобы статьи с их собственным мнением занимали более высокое место в списке новых статей за день.
Ниже приведены несколько отличных руководств, которым вы можете следовать, чтобы начать:
- Я обучил ИИ обнаружения фейковых новостей с точностью ›95% и чуть не сошел с ума
- Как обучить спам-детектор с точностью 97% с помощью Machine Box
- Как я научил ИИ обнаруживать сатиру менее чем за час
- Создайте свой собственный детектор фейковых новостей с помощью машинного обучения
Что бы вы в итоге ни построили, будь то вызов, который вы берете на себя, или часть хакатона, пожалуйста, поделитесь с нами своими результатами. Нам нравится, когда вы создаете удивительные вещи с помощью Machine Box!