کاربرد هوش‎ مصنوعی در تشخیص اخبار جعلی

همزمان با توسعه اینترنت، ظهور و پذیرش گسترده مفهوم رسانه های اجتماعی، نحوه شکلگیری و انتشار اخبار را تغییر داده است. اخبار سریع تر، کم هزینه تر و به راحتی با رسانه های اجتماعی قابل دسترسی هستند. این تغییر با معایبی نیز همراه بوده است. به ویژه، محتوای فریبنده، مانند اخبار جعلی ساخته شده توسط کاربران رسانه های اجتماعی، به طور فزاینده ای خطرناک می شود. هدف اصلی این مقاله ارائه راه‎حلی برای چالش تشخیص تفاوت بین اخبار واقعی و جعلی است. این مقاله از نظر هدف کاربردی است و از نظر شیوه اجرا، گردآوری و تحلیل دادهها پژوهشی کمی است، که با انتخاب دو مجموعه داده مجموعه داده منبع باز از وب‎گاه کگل در سال ۲۰۲۴ (به عنوان جامعه آماری) و پیش‎پردازش این مجموعه داده با استفاده از سامانه رپیدماینر و بکارگیری ماتریس درهمریختگی مبتنی بر پنج مدل یادگیری ماشین نظارت شده، مدل سازی و اجرا شده است. در این مقاله پس از تجزیه و تحلیل داده ها و محاسبه معیارهای ارزیابی صحت، یادآوری، دقت و امتیازF۱ (میانگین همساز) و مقایسه نتایج مشخص گردید که مدل یادگیری ماشین جنگل تصادفی در معیارهای صحت و دقت به ترتیب با ۹۸.۳ درصد و ۹۷.۹ درصد و مدل یادگیری تقویت گرادیان در محاسبه معیارهای امتیاز F۱ و یادآوری به ترتیب با ۹۷.۷ درصد و ۹۸.۷ درصد بهترین نتیجه در تشخیص اخبار جعلی دارند.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، اخبار جعلی ، اطلاعات نادرست ، ماتریس درهمریختگی