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

Este estudo avalia sistematicamente quatro modelos de aprendizado de máquina tradicionais contra quatro modelos baseados em transformer através de cinco conjuntos de dados públicos, demonstrando que, embora as arquiteturas transformer como o RoBERTa superem significativamente os métodos tradicionais na precisão da detecção de notícias falsas, elas incorrem em custos computacionais substancialmente mais elevados, oferecendo, assim, insights críticos sobre o equilíbrio para a seleção de modelos sob diversas restrições de recursos.

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