Preventing One-sided(Incomplete) News on the Social Platform Using Deep Learning and Transfer Learning Methods

2022 Taiwan International Science Fair
作者：AHSNCCU 王修佑 WANG,HSIU-YU
指導老師：NTUST CSIE 鮑興國教授

研究計畫指導/研究經費：
國立台灣科教館、國立台灣大學電機工程學系 未來之星培訓營（林晃巖教授、黃定洧教授）
聯發科技教育基金會

🗂️Details

• Documents📁成果報告&研究計畫
  
  • 研究計畫
    
  • 研究報告書
    
  • 研究海報
    
  • 研究英文解說
    
• 程式與資料集
  
  • 資料📁data
    
    • 模型開發
      fnc-1資料集: 由美國機構邀請記者共同標註建立之資料集，可用於訓練預測兩文本之間相關關係程度之NLP模型；並從其中切割train與evaluate資料。
      
    • 實務驗證
      為求研究獨特性，我以selenium與BeautifulSoup工具爬取美國數家新聞媒體(New York Times、Wall Street Journal、Buzzfeed等)於Facebook發布新聞貼文時的貼文文本與該則報導文本，用於實驗中實務分析美國媒體現況。
      
  • 模型📁train_and_models
    
    • 使用建立於Hugging Face Transformers library的Simple Transformer進行NLP模型訓練 (Pytorch)
      
    • 其中使用BERT, XLNet, RoBERTa三種預訓練模型分別進行遷移式學習
      
    • 訓練過程透過wandb工具觀察參數數據變化
      

🏆獲獎

• 2022 TISF台灣國際科學展覽會 電腦與資工程科 決賽入圍
  
• 國立政大附中校內科展 電腦與資訊學科 特優