مدل معنایی پیشرفته برای استخراج متن با استفاده از ترکیب ترنسفورمر، الگوریتم های ترکیبی و طبقه بندی چندمرحله ای

این پژوهش با هدف افزایش دقت تشخیص بررسی های جعلی آنلاین، یک چارچوب چند لایه را ارائه می دهد. روش پیشنهادی شامل استخراج ویژگی های معنایی با مکانیزم توجه ترنسفورمر بر روی بازنمایی TF-IDF، انتخاب ویژگی بهینه با الگوریتم ترکیبی SFLA-GWO و یک معماری طبقه بندی دومرحله ای مبتنی بر XGBoost و RNN است. این رویکرد به طور همزمان الگوهای ایستا و پویای متنی را مدل سازی می کند. نتایج ارزیابی بر روی مجموعه داده استاندارد، دستیابی به دقت ۵۶.۸۹٪ و F۱-Score ۳۳.۸۹٪ را نشان می دهد که بیانگر کارایی برتر مدل پیشنهادی در شناسایی محتوای جعلی است.

کلیدواژه ها:

تشخیص بررسی جعلی ، استخراج متن ، ترنسفورمر ، طبقه بندی چندمرحله ای ، انتخاب ویژگی