Implementación y comparación de diferentes recursos de comprobación y modelos de deep learning como los hybrid models, ensemble methods y graph-based models, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido.

La presente tesis aborda el proyecto de implementación de un sistema automatizado para la detección de Fake News y Hate Speech, utilizando técnicas de Deep Learning clasificadas en Hybrid Models, Ensemble Methods, Graph-based Model (HAN. GCN, BiLTSM-CCN-GCN, Stacking, Voting Classifier) y conjuntos...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Vásconez Llundo, Andrea Tamara (author)
Otros Autores:	Yanchapanta Tenelema, Danny Joel (author)
Formato:	bachelorThesis
Publicado:	2025
Materias:	NOTICIAS FALSAS DISCURSOS DE ODIO APRENDIZAJE PROFUNDO MODELOS HÍBRIDOS MÉTODOS DE CONJUNTOS MODELOS BASADOS EN GRAFOS
Acceso en línea:	https://repositorio.espe.edu.ec/handle/21000/43093
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Implementación y comparación de diferentes recursos de comprobación y modelos de deep learning como los hybrid models, ensemble methods y graph-based models, para la detección de noticias falsas y discurso de odio utilizando conjuntos de datos específicos para cada tipo de contenido.

Ejemplares similares