Comparative Evaluation of Traditional Machine Learning and Transformer Models for Fake News Detection

본 연구는 5개의 공개 데이터셋을 대상으로 4개의 전통적인 머신러닝 모델과 4개의 트랜스포머 기반 모델을 체계적으로 벤치마킹하였으며, RoBERTa와 같은 트랜스포머 아키텍처가 가짜 뉴스 탐지 정확도 측면에서 전통적 방식들을 유의미하게 능가하는 반면 실질적으로 더 높은 계산 비용을 초래한다는 점을 입증함으로써, 다양한 자원 제약 조건 하에서의 모델 선택을 위한 중요한 트레이드오프 통찰을 제공한다.

원저자: Kazi Abdul Mannan, Md. Jubaer Ahmed Aronno, Rumana Akhter Anika