Notri-Fact Urdu dataset

乌尔都语虚假新闻检测受数据集长度混淆因素的阻碍

研究人员对乌尔都语虚假新闻检测进行了研究，强调了跨数据集泛化的重大挑战。使用 XLM-RoBERTa 模型和两个不同的乌尔都语数据集，研究发现，从 Notri-Fact 数据集迁移到 Ax-to-Grind 语料库可获得不错的 F1 分数 0.771，但反向迁移则导致性能几乎完全崩溃，F1 分数仅为 0.005。这种急剧的性能下降归因于 Ax-to-Grind 数据集中的长度混淆因素，其中虚假新闻文章比真实文章长得多，导致模型产生捷径…