多模态深度学习与数据挖掘框架用于社交媒体虚假信息早期检测
提出一个融合多模态深度学习与数据挖掘的框架,用于社交媒体网络虚假信息的早期检测。 针对传统机器学习依赖手工特征与分类器、难以分析多模态内容的不足,构建多模态检测框架。
提出一个融合多模态深度学习与数据挖掘的框架,用于社交媒体网络虚假信息的早期检测。 针对传统机器学习依赖手工特征与分类器、难以分析多模态内容的不足,构建多模态检测框架。
该系统在药物相互作用(DDI)检测任务上,对药物家族类查询表现较好(F1 0.872),单药与药物-药物查询次之,提示AI-NLP方法可作为传统数据库的补充检索手段,但证据档位为C,尚不足以替代人工审编数据库。 研究为方法学开发与验证研究,构建NLP流水线:基于微调BERT的句子
该文为 IEEE Spectrum 刊载的诗歌体裁作品,材料未报告任何研究结论,不构成可评价的实证证据,属不足以下结论。 研究设计与做法:材料未报告。该文非研究论文,无设计类型、样本量、干预对照或随访时长等信息。
提出RGIDRec,一种目标条件意图扩散方法,用于序列推荐中的目标感知信息发现。 该文为期刊资讯条目,仅列出刊期与作者信息,未提供模型结构、数据集或对比基线等细节。
该研究提出并评估一个集成式、安全的网页平台,将对话式症状分析、混合疾病风险分类、基于知识图谱的药物相互作用检测与地理定位紧急支持整合于单一应用,报告疾病预测准确率为87.3%,并称响应延迟适合交互式临床决策支持。 系统开发与评估研究;平台基于React.js、Node.js/Ex
材料未报告摘要内容,仅可依据标题推断:该文献关注可逆数据库水印与虚拟主键同步一致性这一技术问题,方向与强度均不足以下结论。 研究设计与做法:材料未报告,仅知文献类型为资讯,期刊为Information Processing & Management,证据档位为C。