مینا ابارقی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکده بر ق و کامپیوتر دانشگاه صنعتی قم
عبدالرضا رسولی کناری - استادیار، گروه مهندسی کامپیوتر، دانشکده بر ق و کامپیوتر، دانشگاه صنعتی قم
محبوبه شمسی - استادیار، گروه مهندسی کامپیوتر، دانشکده بر ق و کامپیوتر، دانشگاه صنعتی قم

اخبار جعلی با نفوذ در درک و دانش افراد برای تحریف آگاهی و تصمیم گیری، نقش مهمی در گسترش اطلاعات نادرست دارند. رسانه ها نقشی حیاتی در انتشار عمومی اطلاعات درباره رویدادها ایفا می کنند. توسعه سریع اینترنت به گسترش سریع اطلاعات از طریق شبکه ها یا وب سایت های اجتماعی بدون نگرانی در مورد اعتبار اطلاعات کمک می کند. همچنین اخبار تأیید نشده یا جعلی در شبکه های اجتماعی منتشر شده و به هزاران کاربر می رسد. انتشار اخبار جعلی چالش بزرگی را برای جامعه ایجاد کرده است. این مقاله یک رویکرد مبتنی بر تجزیه و تحلیل متن جدید برای تشخیص اخبار جعلی کاهش خطرات ناشی از مصرف اخبار جعفی ارائه می دهد. ابتدا اخبار واقعی و جعلی را جمع آوری می کنیم. سپس روی اخبار پیش پردازش اعمال می شود وبا استخراج افعال آن ها با مدل word2vec و خوشه بندی KMeans افعال واقعی آموزش داده می شوند سپس بعد از بررسی دو شرط مورد نظر به تشخیص اخبار جعلی می پردازیم. برای صحت روش پیشنهادی با چهار الگوریتم یادگیری ماشین از جمله کاهش گرادیان تصادفی و لجستیک رگرسیون و ماشین بردار پشتیبان و جنگل تصادفی به دقت 99 و 98 درصد با مقدار استانه 0.18 رسیده ایم

اخبر جعلی، اخبر واقعی، یادگیری ماشین، خوشه بندی، word2vec