تشخیص اخبار جعلی فارسی از طریق جمع سپاری و یادگیری ماشین

به طور کلی، تشخیص خودکار اخبار جعلی با یادگیری ماشین یک کار چالش برانگیز است و به دلیل سختی و ماهیت مساله ی طبقه بندی، دقت به دست آمده خیلی بالا نیست. از طرف دیگر، جمع سپاری به دلیل مهارت های شناختی انسان مورد نیاز برای این مساله، پتانسیل ارائه دقت بالاتری را دارد، اما کند و پرهزینه است. در نتیجه، رویکرد ترکیبی ماشین-جمعیت راه حلی است که می تواند دقت را بهبود بخشد. نحوه ی استفاده از این دو هوش یک مساله ی باز و با تحقیقات اندک است و در زبان فارسی پژوهشی در این خصوص انجام نشده است. این مقاله به طراحی یک سیستم تشخیص اخبار جعلی فارسی مبتنی بر ترکیب جمع سپاری و یادگیری ماشین پرداخته است و اقدامات مربوط به پیاده سازی بخش های آن را شرح می دهد. بخش جمع سپاری شامل کاربران ساده و معتبر می باشد. بخش جمع سپاری و یادگیری ماشین دو بخش اصلی سیستم پیشنهادی می باشند که در کنار هم به بررسی حقیقت اخبار پرداخته و براساس میزان وزن مرتبط با عملکرد خود در بررسی حقیقت اخبار، در تصمیم گیری سیستم درباره ی بررسی حقیقت خبر مشارکت دارند. سیستم پیشنهادی در بستر اینترنت با نام وب سایت حقیقت یاب در جهت جمع سپاری بررسی حقیقت اخبار فارسی در دسترس عموم قرار گرفته است.

کلیدواژه ها:

تشخیص اخبار جعلی فارسی ، جمع سپاری ، یادگیری ماشین ، خرد جمعی ، بررسی حقیقت