شناسایی شایعات در شبکه های اجتماعی در زمینه بیماری های همه گیر با استفاده از تکنیک های یادگیری عمیق

یکی از مهمترین مسائل در شبکههای اجتماعی حجم بالای شایعاتی است که توسط عوامل انسانی و یا ماشینی منتشر می شوند. در چنین شرایطی، تشخیص خودکار شایعات برای ایمن نگهداشتن افکار عمومی در برابر خطرات بالقوه آنها؛ از اهمیت بالایی برخوردار است. در این پژوهش، با استفاده از تکنیکهای یادگیری عمیق یک راهکار جدید برای تشخیص خودکار شایعات مرتبط با بیماریهای همهگیر در شبکههای اجتماعی ارائه شده است. در روش پیشنهادی، ابتدا محتوای پیامهای موجود برای پردازش در گامهای بعدی آمادهسازی میشوند. همچنین از قالب ماتریس وزنی برای توصیف خصوصیات محتوایی استفاده شده است. سپس در گام دوم روش پیشنهادی، از شبکه عصبی کانولوشن به منظور استخراج مجموعه ویژگیهای مناسب از ماتریس خصوصیات حاصل از گام قبل استفاده میشود. بدین ترتیب، ماتریس خصوصیات محتوایی به عنوان ورودی شبکه عصبی عمیق بکار میرود و مقادیر وزنی به دست آمده در آخرین لایه تماما متصل این شبکه عصبی به عنوان ویژگیهای استخراج شده از آن مورد استفاده قرار میگیرد. درنهایت، از تجمیع چند طبقهبند دودویی به منظور تشخیص شایعات و طبقهبندی ویژگیهای استخراج شده از طریق شبکه عصبی کانولوشن استفاده میشود. بدین منظور، ویژگیهای استخراج شده به صورت همزمان توسط چندین مدل یادگیری پردازش شده و خروجی نهایی سیستم پیشنهادی از طریق رایگیری خروجیهای این سه الگوریتم تعیین میشود. نتایج حاصل از این تحقیق نشان میدهد که با استفاده از روش پیشنهادی میتوان شایعات را با میانگین دقت ۹۸.۸ درصد تشخیص داد که نشان از بهبود حداقل ۲.۴ درصدی دقت تشخیص نسبت به روشهای پیشین دارد.

کلیدواژه ها:

شبکه اجتماعی ، مدل انتشار شایعه ، تشخیص شایعه ، یادگیری عمیق