تشخیص شایعات در شبکه های اجتماعی با یادگیری با داده محدود

با گسترش شبکه های اجتماعی و سرعت انتشار جوامع تبدیل شده اند. در این میان، اخبار جعلی و شایعات به یکی از مهم ترین تهدیدات برای امنیت اجتماعی و سلامت اطلاعاتی جوامع تبدیل شده اند. توسعه مدل های هوش مصنوعی برای شناسایی و مقابله با این پدیده اهمیت ویژه ای یافته است. روش های سنتی تشخیص اخبار جعلی نیازمند داده های گسترده بوده و در عمل با محدودیت هایی مواجه هستند. این مقاله به معرفی روشی نوین با نام DaSeF می پردازد که با بهره گیری از یادگیری با داده محدود و تکنیک افزایش داده، عملکرد بالایی در تشخیص اخبار جعلی در شرایط کمبود داده نشان داده است. استفاده از مدل SetFit، پیش پردازش دقیق داده ها، و تکنیک جایگزینی مترادف ها، از محتوا، شایعات و اخبار جعلی به یکی از مهم ترین چالش های نکات برجسته این روش است. نتایج نشان می دهد که دقت مدل پیشنهادی نسبت به روش های پایه ای موجود به طور قابل توجهی افزایش یافته است.

کلیدواژه ها:

شبکه های اجتماعی ، شایعه ، یادگیری ماشین ، داده محدود ، اخبار جعلی