تشخیص اخبار جعلی با کمک الگوریتم های یادگیری ماشین

اخبار جعلی در شبکه های اجتماعی و رسانه های مختلف دیگر در حال گسترش است و به دلیل توانایی در ایجاد آسیبهای اجتماعی و ملی فراوان با تاثیرات مخرب، باعث نگرانی جدی میشود. این مقاله به تجزیه و تحلیل تحقیقات مربوط به تشخیص اخبار جعلی میپردازد و پنج الگوریتم یادگیری ماشین را به منظور ایجاد مدلی از یک محصول با الگوریتم یادگیری ماشین نظارت شده که میتواند اخبار را به عنوان جعلی یا واقعی طبقه بندی کند، بررسی و مقایسه میکند. این کار با کمک کتابخانه scikit learn زبان پایتون انجام شده است، به دلیل این که این کتابخانه دارای ابزارهای مفیدی مانند Count Vectorizer و TFIDF Vectorizer است که میتوان برای انجام توکن سازی و استخراج ویژگیهای داده های متنی از آنها استفاده کرد. در این مقاله پنج الگوریتم درخت تصمیم۳، جنگل تصادفی۴، ماشین بردار پشتیبان ۵، رگرسیون لجستیک۶ و طبقه بندی کننده منفعل تهاجمی۷ در دقت تشخیص و مدت زمان انجام فرایند تشخیص با یکدیگر مقایسه شده اند.

کلیدواژه ها:

اخبار جعلی ، درخت تصمیم ، جنگل تصادفی ، ما شین بردار پشتیبان ، رگر سیون لجستیک ، طبقه بندی کننده منفعل تهاجمی.