تشخیص شایعه در شبکه های اجتماعی با استفاده از معماری ترکیبی GRU-FCNN

ظهور و افزایش محبوبیت رسانه های اجتماعی و خدمات آن ها مانند Facebook Twitter و ... باعث شده این شبکه ها برای اشتراک اخبار و سایر اطلاعات مهم مورد استفاده قرار گیرند، اکنون بیش از هر زمان دیگر ، مردم برای کسب اخبار مورد نیاز خود به رسانه های اجتماعی روی می آورند ، این امر به ویژه برای اخبار مهم ، که در آن افراد خواهان دسترسی سریع همراه با به روز رسانی سریع رویدادها در زمان واقعی هستند ، صادق است. گسترش اطلاعات نادرست (غلط) و شایعات در شبکه های اجتماعی ، به ویژه در موقعیت های حساس به زمان مانند زمان های وقوع سیل، زلزله ، انتخابات در دنیای واقعی ، می تواند اثرات مضر بر افراد و جامعه داشته باشد. اگر شایعات در زمان مناسب و به موقع تشخیص داده شوند ، اثرات منفی آنها محدود است و می توان از پیامدهای احتمالی انتشار آن ها جلوگیری کرد. در این رساله مدلی را برای شناسایی و تایید خودکار شایعات فارسی منتشر شده در توئیتر را پیشنهاد دادیم ، مدل پیشنهادی با استفاده از معماری ترکیبی واحد بازگشتی دروازه دار شبکه عصبی تمام متصل (GRU-FCNNبا دقت ۹۱٪ شایعات را تشخیص داده است. و معیارهای ارزیابی روش پیشنهادی نیز صحت، فراخوانی و F۱ می باشد .

کلیدواژه ها:

شبکه های اجتماعی ، یادگیری عمیق ، یادگیری ماشین ، شایعه