مقایسه الگوریتمهای درخت تصمیم،رگرسیون لجستیک و کا-نزدیک ترین همسایگی در طبقه بندی اخبار جعلی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 247
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DMECONF08_154
تاریخ نمایه سازی: 31 فروردین 1402
چکیده مقاله:
برای طبقه بندی متن از یادگیری ماشین و پردازش زبان طبیعی به طور گستردهای استفاده می شود. به طور کلی هدف یک طبقه بند متن ، طبقه بندی سندها در قالب تعداد مشخصی از دسته های از پیش تعیین شده می باشد. در این پژوهش ، اخبار پخش شده در فضای مجازی مورد بررسی قرار گرفته است تا به این سوال پاسخ داده شود که این اخبار در کدام یک از دسته ی جعلی یا واقعی قرار می گیرد. روش پیشنهادی با در نظر داشتن ساختارکلمات انگلیسی ، مدل ترنسفورمرها و الگوریتم های درخت تصمیم ،رگرسیون لجستیک و کا-نزدیک ترین همسایگی ، اخبار جعلی را از واقعی طبقه بندی می کند. در این پژوهش سه الگوریتم یادگیری مذکور مورد استفاده قرار گرفت و کارایی آنها در زمینه طبقه بندی اخبار جعلی از واقعی با یکدیگر مقایسه گردید. مطابق نتایج و براساس شاخص های مختلف ازریابی دقت ، مدل رگرسیون لجستیک ، بهترین و بالاترین دقت را نسبت به مدل درخت تصمیم و کا-نزدیک ترین همسایگی داشت .
کلیدواژه ها:
نویسندگان
هادی وظیفه آبان
دانشجوی کارشناسی ارشد دانشگاه جامع امام حسین(ع)
محمدعلی جوادزاده
استادیار دانشگاه جامع امام حسین(ع)