افزایش دقت تشخیص اخبار جعلی با استفاده از افزایش داده به روش افزایش داده آسان

در روزگاری که شبکه های اجتماعی به سرعت خبر را در سراسر جهان پخش می کنند تشخیص اخبار جعلی به یک چالش جدی تبدیل شده است. انتشار اطلاعات نادرست می تواند پیامدهای سیاسی و اجتماعی عمیقی به دنبال داشته باشد. گرچه یادگیری عمیق پیشرفت های زیادی کرده اما دو مشکل همچنان باقی است کمبود داده های آموزشی متنوع و کافی و دشواری استخراج همزمان الگوهای محلی و روابط معنایی بلندمدت در یک متن. در این پژوهش، یک چارچوب ترکیبی جدید پیشنهاد می کنیم که از دو نوع شبکه عصبی - شبکه کانولوشنی و شبکه حافظه کوتاه مدت بلندمدت - استفاده می کند. برای حل مشکل کمبود داده روشی به نام افزایش داده آسان را به کار گرفته ایم که شامل چهار راهکار ساده است: جایگزینی واژه ها با مترادف، درج تصادفی کلمه، حذف تصادفی کلمه و جابجایی تصادفی دو کلمه. مدل خود را روی مجموعه داده استاندارد و پربسامدی که ده ها هزار خبر برچسب خورده دارد، ارزیابی کرده ایم. نتایج نشان می دهد که روش ترکیبی ما با کمک داده های افزایش یافته به دقت و امتیاز F۱ بالایی می رسد و نسبت به روش های پایه مانند جنگل تصادفی یا ماشین بردار پشتیبان بهبود چشمگیری دارد همچنین اعتبارسنجی متقاطع نشان می دهد که مدل پایدار است و دچار بیش برازش نمی شود. در مجموع تلفیق افزایش داده آسان با معماری CNN-LSTM راهکاری موثر، مقیاس پذیر و قابل اعتماد برای شناسایی اخبار جعلی فراهم می کند.

کلیدواژه ها:

تشخیص اخبار جعلی ، افزایش داده آسان ، شبکه عصبی کانولوشنی ، شبکه حافظه کوتاه مدت طولانی ، پردازش زبان طبیعی