تشخیص اخبار جعلی مبتنی بر ترکیبی از ویژگی های زبانی و صفات گوینده خبر

انتشار سریع اطلاعات نادرست یک نگرانی رو به رشد در سراسر جهان است، این امر نیاز به الگوریتم های موثر تشخیص اخبار جعلی که در آن نویسنده با مقصودی خاص اطلاعات کاملا غیرواقعی یا نادرستی را منتشر می کند، برانگیخته است. اکثر روش های پیشین برای شناسایی اخبار جعلی تنها بر استخراج ویژگی های زبانی از متن خبرها و یا اطلاعات مربوط به گوینده خبر مانند اسم گوینده، شغل و موقعیت سیاسی فرد متکی هستند. در این مقاله، هدف طراحی یک مدل برای شناسایی اخبار جعلی است که در بخش بازنمایی ویژگی های متنی و در راستای بازنمایی اطلاعات نحوی و معنایی واژه ها، ابتدا تک تک واژه ها در متن بیانیه ها با استفاده از یک مدل زبانی مبتنی بر برت بازنمایی شده اند و سپس با بکارگیری شبکه عصبی کانولوشن زمانی که عملکرد چشمگیری در طبقه بندی جملات بدست آورده است، ویژگی های متن بیانیه ها استخراج شده اند و از طرفی در راستای استفاده از ویژگی های گوینده ی خبر، تعبیه متاداده ها به شبکه آموزش داده می شود و در نهایت ویژگی های استخراج شده از متن بیانیه ها و متاداده ها تلفیق شده اند. نتایج آزمایش ها نشان از کسب دقت ۹۴ درصد در قسمت تست مجموعه داده ی دروغگو دارد

Keywords:

شبکه های کپسولی , طبقه بندی جملات , کشف خبرهای جعلی , پردازش زبان طبیعی , هوش مصنوعی , یادگیری عمیق