شناسايي اخبار جعلي برچسبگذاري شده مبتني بر شبكه عصبي عميق

امروزه عموماً از شبكه‌هاي اجتماعي در كسب‌وكارها استفاده ميشود كه اخبار جعلي در آنها به‌وفور ديده مي‌شود. اخبار جعلي نه‌تنها بر ادراك مردم تأثير ميگذارد، بلكه نميتواند اكوسيستم خبري سنتي مبتني بر ستونهاي حقيقت و واقعيت را حفظ كند. با توجه به اين وضعيت كه عموم مردم را در سراسر جهان تحت تأثير قرار ميدهد، ما قصد داريم در اين تحقيق مدلي ارائه بديم كه بتواند هرگونه اطلاعات نادرستي كه از طريق رسانههاي اجتماعي منتشر ميشود را شناسايي كند. در اين پژوهش سعي شده است كه با توجه به بهبود روشهاي پيشين در حوزه تشخيص اخبار جعلي، روش جديدي ارائه شود و با استفاده از آن دقت اين مدل افزوده شود. رويكرد مورد استفاده در اين پژوهش جهت شناسايي اخبار جعلي در رسانههاي خبري مبتني بر مدلسازي موضوعي و الگوريتم شبكه عصبي عميق ميباشد، روند اجرايي اين دو الگوريتم به اين صورت است كه بر اساس الگوريتم مدلسازي موضوعي در ابتدا ويژگيهاي دادهاي استخراج ميشود. سپس ‌در‌ از ‌شبكه ‌عصبي‌ كانولوشني‌ جهت تشخيص ‌اخبار‌ جعلي‌ استفاده خواهد شد.‌ در ‌شبكه عصبي كانولوشني، ‌كلمات ‌به‌صورت ‌كيسهاي ‌از‌ كلمات ‌به مدل‌ داده‌ ميشوند كه ‌هر ‌كلمه ‌با ‌توجه‌ به‌ فضاي ‌برداري ‌به‌ ماتريسهاي‌ دوبعدي تبديل‌ ميشود. نتايج آزمايش روش پيشنهادي نشان ميدهد كه روش پيشنهادي دقتي در حدود 98% در شناسايي اخبار جعلي داشته است.