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

Deze studie benchmarkt systematisch vier traditionele machine learning-modellen tegenover vier transformer-gebaseerde modellen over vijf publieke datasets, waarbij wordt aangetoond dat hoewel transformer-architecturen zoals RoBERTa aanzienlijk beter presteren in de nauwkeurigheid van het detecteren van nepnieuws dan traditionele methoden, zij substantieel hogere computationele kosten met zich meebrengen, waardoor zij kritische inzichten bieden in de afwegingen voor modelselectie onder variërende middelenrestricties.

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