مرور نظام مند روش های تشخیص اخبار جعلی در متون فارسی

گسترش شبکه های اجتماعی و سهولت دسترسی به اطلاعات، انتشار اخبار جعلی را به یکی از مهم ترین چالش های عصر اطلاعات تبدیل کرده است. این موضوع زبان فارسی را به دلیل کمبود مجموعه داده های برچسب گذاری شده، پیچیدگی های ریخت شناختی، و محدودیت ابزارهای پردازش زبان طبیعی، با چالش هایی جدی تر مواجه کرده است. پژوهش حاضر یک مرور نظام مند از چاش ها و روش های تشخیص اخبار جعلی در متون فارسی ارائه می دهد. مقالات بررسی شده از طریق جستجوی هدفمند در پایگاه های اطلاعاتی معتبر شامل ACM Digital Library، IEEE Xplore، و Google Scholar انتخاب شده اند و بازه زمانی ۲۰۱۸ تا ۲۰۲۴ را پوشش می دهند. بر پایه مطالعات بررسی شده، مدل های مبتنی بر تبدیل کننده مانند ParsBERT و XLM-RoBERTa دقت بالاتری نسبت به رویکردهای واژگان محور و یادگیری ماشین کلاسیک گزارش کرده اند. همچنین، محدود بودن مجموعه داده های فارسی به چند حوزه خاص و کمبود پیکره های چندحوزه ای، تعمیم پذیری مدل ها را محدود کرده است.

کلیدواژه ها:

تشخیص اخبار جعلی ، پردازش زبان طبیعی فارسی ، یادگیری عمیق ، مدل های مبتنی بر تبدیل کننده ، رسانه های اجتماعی