استفاده از روش خلاصه سازی با الگوریتم یادگیری عمیق برای تشخیص اخبار دروغین در شبکه های اجتماعی
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 123
فایل این مقاله در 7 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:
EECMAI07_072
تاریخ نمایه سازی: 17 مرداد 1403
چکیده مقاله:
تولید اخبار جعلی یک مشکل جدید نیست، بلکه یک مشکل به سرعت در حال رشد است. تغییر به سمت مصرف اخبار از طریق رسانه های اجتماعی یکی از محرک های انتشار اطلاعات گمراه کننده و عمدا اشتباه بوده است، زیرا علاوه بر استفاده آسان از آن، به ندرت نظارت بر صحت وجود دارد. با توجه به اثرات مضر چنین اخبار جعلی بر جامعه، تشخیص آنها اهمیت فزاینده ای پیدا کرده است. در این مقاله از قدرت مدلهای زبانی مبتنی بر ترانسفورماتور و مکانیسمهای توجه برای خلاصه سازی متن انتزاعی اخبار استفاده میکنیم. سپس از مدل خلاصه سازی متن به عنوان استخراجکننده ویژگی برای تشخیص اخبار جعلی استفاده میکنیم که در آن مقالات خبری قبل از طبقه بندی خلاصه میشوند و نتایج با طبقه بندی تنها با استفاده از متن اصلی خبر مقایسه میشوند. آزمایشهای گسترده روی چندین مجموعه داده بسیار متفاوت و در دسترس عموم نشان میدهد که روش پیشنهادی دقت تشخیص اخبار جعلی را تا ۹۶ درصد با استفاده از متاداده و ۹۳ درصد بدون استفاده از متاداده افزایش میدهد. جدای از مزایای استفاده از تکنیک های خلاصه سازی خودکار متن، ما همچنین دریافتیم که ترکیب اطلاعات زمینه ای به افزایش عملکرد کمک می کند.
کلیدواژه ها:
نویسندگان
محسن اسفندیاری
دانشگاه غیرانتفاعی لیان بوشهر ،
حسین مومن زاده
دانشگاه غیرانتفاعی لیان بوشهر ،
حسن ارفعی نیا
دانشگاه غیرانتفاعی لیان بوشهر ،