Comparative Evaluation of Traditional Machine Learning and Transformer Models for Fake News Detection
Este estudio evalúa sistemáticamente cuatro modelos de aprendizaje automático tradicional frente a cuatro modelos basados en transformadores a través de cinco conjuntos de datos públicos, demostrando que, si bien las arquitecturas de transformadores como RoBERTa superan significativamente a los métodos tradicionales en la precisión de la detección de noticias falsas, incurren en costos computacionales sustancialmente mayores, ofreciendo así conocimientos críticos sobre el compromiso entre modelos bajo diversas restricciones de recursos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.