رویکردی نوین برای تشخیص خودکار اخبار جعلی مبنی بر یادگیری عمیق

اخبار جعلی در حوزه فناوری اطلاعات به چالشی فزاینده تبدیل شده که اعتماد عمومی، تصمیم گیری های سازمانی و پیشرفت های فناورانه را تهدید می کند. این پژوهش با هدف ارائه روشی نوین برای تشخیص خودکار اخبار جعلی، از ترکیب مدل زبانی پیشرفته XLM-RoBERTa و شبکه های عصبی گرافی (GNN) بهره می گیرد. ابتدا، ویژگی های متنی اخبار با استفاده از XLM-RoBERTa استخراج شده و سپس گرافی از اخبار بر اساس روابط محتوایی و الگوهای انتشار ساخته می شود. GNN برای طبقه بندی اخبار با عنوان واقعی یا جعلی به کار گرفته می شود. داده ها از مجموعه ای چندزبانه شامل اخبار فناوری اطلاعات به زبان های انگلیسی و فارسی از ISOT گردآوری شدند. نتایج نشان داد که مدل ترکیبی با دقت برابر با ۹۸.۰ و F۱ برابر با ۹۸.۰ ، عملکرد بهتری نسبت به روش های پیشین ارائه می دهد که این ویژگی در تحلیل الگوهای زبانی و روابط انتشار اخبار نمایان می باشد. این پژوهش با ارائه ابزاری کارآمد برای مقابله با اطلاعات نادرست، به توسعه سیستم های فیلتراسیون هوشمند کمک کرده و سواد اطلاعاتی را تقویت می کند. پیشنهاد می شود که برای حفاظت از اکوسیستم دیجیتال و ارائه چارچوبی برای تحقیقات آینده در پردازش زبان طبیعی و هوش مصنوعی از مدل ترکیبی استفاده شود.

کلیدواژه ها:

تشخیص اخبار جعلی ، متن کاوی ، یادگیری عمیق ، شبکه های عصبی گرافی