论文标题:A temporal ensembling based semi-supervised ConvNet for the detection of fake news articles
日期:ESWA2021
基于新闻文本、半监督、伪标签、temporal ensembling
一、基本内容
利用了半监督学习方法temporal ensembling对无标注数据打伪标签,即让先前的epoch训练得到的模型为后续epoch的无标注数据打伪标签,从而让有标注的数据越来越多,实现更好的预测结果。
【知识参考temporal ensembling】
二、文章动机
(1)
Π
Π
Π-model和temporal ensembling是两个标准的半监督基准。这些基于self-ensembling原理为无监督数据设置集成目标并成功在一些分类任务上进行了实验。且
Π
Π
Π-model和temporal ensembling都提供了对错误标签的容忍度,并在完全标记的情况下提高了分类准确性。
(2)使用监督技术无法实现最新在线信息的特征工程和近乎实时的性能。
三、模型框架
算法流程: