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

2022 Taiwan International Science Fair
作者：王修佑 Hsiu-Yu, Wang
學校：國立政大附中 AHSNCCU
指導老師：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

🗂️Files Description

• 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（The New York Times、The 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 Transformers 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
      

🏆Awards and Science Fair

• 2022 TISF 台灣國際科學展覽會 電腦與資工程科 決賽
  

  臺灣網路科教館 作品資料庫

• 國立政大附中校內科展 電腦與資訊學科 特優