محمد روستائی - دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه جامع امام حسین
محمدرضا حسنی آهنگر - استاد دانشگاه جامع امام حسین

رسانه های اجتماعی به یک وسیله محبوب برای دنبال کردن اخبار تبدیل شده اند. در عین حال، انتشار گسترده اخبار جعلی را نیز ممکن می سازند. اخبار جعلی و اطلاعات نادرست چالش بزرگی در همه انواع رسانه ها به ویژه رسانه های اجتماعی هستند. لذا امکان شناسایی محتوای جعلی در منابع آنلاین یک نیاز فوری است که در اسرع وقت برای جلوگیری از تاثیر منفی بر جامعه، باید شناسایی شوند. هدف از این پژوهش افزایش دقت سیستم های تشخیص اخبار جعلی در رسانه های اجتماعی می باشد. از این رو در این پژوهش یک سیستم تشخیص اخبار طراحی گردیده است که وظیفه ی آن تشخیص اخبار اصلی از جعلی می باشد. در این پژوهش جهت تشخیص اخبار جعلی از یک فرآیند سه مرحله ای استفاده گردیده است که در مرحله ی نخست عملیات پیش پردازش صورت گرفته است. در گام دوم عملیات، استخراج ویژگی صورت گرفته است. عملیات استخراج ویژگی براساس روابط معنایی ایجاد گردیده است. در گام نهایی از الگوریتم های طبقه بندی جهت طبقه بندی اخبار استفاده گردیده است. در این پژوهش طبقه بندهای نزدیک ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان مورد استفاده قرار گرفته است که به وسیله ترکیب رای اکثریت با هم ادغام شده اند. جهت ارزیابی روش پیشنهادی از معیارهای طبقه بندی بهره گرفته شده است. معیارهای به کار رفته در این پژوهش شامل معیارهای دقت، صحت، فراخوان و معیار F می باشد. نتایج حاصل از آزمایش ها نشان دهنده ی کارایی قابل قبول روش پیشنهادی در تشخیص اخبار جعلی می باشد. دلیل این برتری را می توان در بخش استخراج ویژگی و طبقه بندی یافت.

اخبار جعلی، استخراج ویژگی، طبقه بندی، نزدیک ترین همسایه، درخت تصمیم، ماشین بردار پشتیبان