许可协议：Apache-2.0
数据集：

• Pulk17/Fake-News-Detection-dataset
  语言：
• 英语
  评估指标：
• 准确率
• 精确率
• 召回率
  基础模型：
• google-bert/bert-base-uncased
  任务标签：文本分类
  库名称：transformers

虚假新闻检测模型

模型概述

该模型旨在根据新闻文章的文本内容将其分类为真实或虚假。它基于BERT架构（bert-base-uncased），并在自定义新闻数据集上进行了微调。该模型能以高准确率预测给定文章的真伪。

模型许可

本模型采用Apache 2.0许可证。

使用数据集

训练模型时使用了以下数据集：

• 虚假新闻数据集：包含标注为"虚假"或"真实"的新闻文章
• 新闻文章数据集：用于训练和验证的新闻文章集合

支持语言

模型主要处理英文新闻，但可通过适配数据扩展至其他语言。

性能指标

模型评估结果如下：

• 准确率：99.58%
• 精确率：99.27%
• 召回率：99.88%
• ROC-AUC：99.99%
• F1分数：99.57%

模型细节

• 基础模型：bert-base-uncased
• 微调：在标注真伪新闻的数据集上进行微调
• 训练轮次：3
• 批大小：32
• 优化器：带权重衰减的Adam
• 学习率：2e-5

使用方式

可通过Hugging Face推理API或Python应用程序调用该模型。

推理代码示例：

import requests

url = "https://api-inference.huggingface.co/models/your-username/fake-news-bert"
headers = {"Authorization": "Bearer YOUR_HUGGINGFACE_API_KEY"}
payload = {"inputs": "此处输入新闻文章内容"}

response = requests.post(url, headers=headers, json=payload)
prediction = response.json()

print(f"预测结果: {prediction}")