| LEADER |
04129nam a22002417a 4500 |
| 001 |
2171392 |
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b فلسطين
|
| 100 |
|
|
|a يوسف، رامي نعيم محمد
|g Yousuf, Rami Naim Mohammed
|e مؤلف
|9 753596
|
| 245 |
|
|
|a Identifying Informative Coronavirus Tweets Using Recurrent Neural Network Document Embedding
|
| 246 |
|
|
|a تصنيف الأخبار المسهبة حول وباء الكورونا المستجد عبر تويتر باستخدام تضمين الملفات النصية بواسطة خوارزمية الشبكات العصبية المتكررة
|
| 260 |
|
|
|b جامعة فلسطين التقنية خضوري - عمادة البحث العلمي
|c 2022
|g مايو
|
| 300 |
|
|
|a 93 - 102
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a أدى ظهور جائحة كورونا إلى انتشار عدد هائل من أخبار كاذبة ومعلومات مضللة عبر التغريدات. ومن ثم فان هناك حاجة مهمه تتمثل في تصنيف التغريدات إلى تغريدات مسهبة إعلاميا وغير مسهبة إعلاميا وهذا الأمر حفز الباحثين على استخدام تقنيات التعلم الآلي لمعالجة هذا الموضوع. وقد أظهرت الدراسات الحديثة اعتمادا كبيرا على خوارزميات الشبكة العصبية المتحورة. ومع ذلك فهي تعاني من مشكلة تدعى "النسيان الكارثي" حيث تفقد معلومات سياقية خلال عملية التدريب. لذلك هذه الدراسة تهدف إلى اقتراح آلية لتضمين النصوص بناءا على الشبكة العصبية المتكررة. أخيرا، تم استخدام ثلاثة مصنفات من LR وSVM وMLP لتصنيف المستندات إلى مسهبة إعلاميا وغير مسهبة إعلاميا باستخدام مجموعة البيانات المعيارية لـ WNUT-2020 في المهمة 2، حصل مصنف LR على أعلى مقياس يبلغ 0.91. توضح هذه النتيجة فعالية RNN في توليد آليات تضمين نصوص مركبة.
|b The coronavirus pandemic has led to the spread of tremendous fake news and misleading information through tweets. Hence, an interesting task of classifying tweets into informative and uninformative has motivated researchers to employ machine learning techniques. The state-of-the-art studies showed high dependency on transformers architecture. However, the transformers architecture suffers from the catastrophic forgetting problem where important contextual information is being forgotten by the gradients. Therefore, this paper proposes a document embedding using Recurrent Neural Network. Lastly, three classifiers of LR, SVM and MLP have been used to classify documents into Informative and Uninformative. Using the benchmark dataset of WNUT-2020 at Task 2, LR classifier obtained the highest f-measure of 0.91. This result demonstrates the efficacy of RNN to generate sophisticated document embedding.
|
| 653 |
|
|
|a جائحة كورونا "كوفيد19"
|a العلامات التجارية
|a النصوص المركبة
|a مكافحة الوباء
|
| 692 |
|
|
|a فيروس كورونا
|a تغريدات مسهبة إعلاميا
|a تضمين النصوص
|a الشبكة العصبية المتكررة
|a بيانات مشوشة من انشاء المستخدم
|b Coronavirus
|b Informative Tweets
|b Document Embedding
|b Recurrent Neural Network
|b Wnut-2020
|
| 773 |
|
|
|4 العلوم الإنسانية ، متعددة التخصصات
|4 العلوم الاجتماعية ، متعددة التخصصات
|6 Humanities, Multidisciplinary
|6 Social Sciences, Interdisciplinary
|c 007
|e Palestine Technical University Research Journal
|f Mağallaẗ ğāmiʿaẗ filasṭīn al-tiqniyyaẗ - H̱aḍūrī li-l-abḥāṯ
|l 001
|m مج10, ع1
|o 2484
|s مجلة جامعة فلسطين التقنية للأبحاث
|v 010
|x 2307-8081
|
| 856 |
|
|
|u 2484-010-001-007.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EduSearch
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 1423982
|d 1423982
|
