روش تشخیص اخبار جعلی در شبکه های اجتماعی مبتنی بر تحلیل احساس

امروزه رسانه های اجتماعی، به بزرگ ترین منبع خبری برای مردم تبدیل شده استاما. دائما در این رسانه ها شاهد افزایش اخبار جعلی که به صورت اشتباهات سهوی و یا به قصد فریب ایجاد میشوند، بودهایم. انتشار این نوع اخبار تهدیدی جدی برای مردم جامعه و دولتمردان محسوب میشود و میتواند موجب کاهش اعتماد عمومی شود. ازآنجایی که طبقه بندی دستی این اخبار غیرممکن است، طراحی مدل های تشخیص اخبار جعلی به یک موضوع پرطرف دار تبدیل شده است. اما اکثر این مدل ها برای موضوعات مشخص مانند انتخابات است و نمیتواند پاسخگوی داده های فراوان و متنوع شبکه های اجتماعی باشد. در این مقاله ما یک چارچوب تشخیص خودکار اخبار جعلی را برای متون فارسی ارائه کردیم که میتواند مستقل از موضوع، اخبار جعلی شبکه های اجتماعی را تشخیص دهد. باتوجه به این که اغلب اخبار جعلی دارای احساسات و ویژگی های یکسانی مانند اغراق و تمسخر است و نظرات کاربران به این پست ها نوعی برانگیختگی را نشان میدهد، چارچوب پیشنهادی ما به کمک ویژگی های ظاهری هر پست و یک مدل تحلیل احساس، تلاش میکند تا داده های جعلی را از داده ها ی اصلی تفکیک کند. برای رسیدن به این هدف از دو الگوریتم SVM و Naive Bayes و مجموعه داده های برچسب گذاری شده از خبرگزاری های مختلف استفاده کردیم و در نهایت به دقت %۹۰ در تشخیص رسیدیم.

Keywords:

تشخیص اخبار جعلی , تحلیل احساس , شبکه های اجتماعی , طبقه بندی اخبار , یادگیری ماشین