آرش مهیمنی - دانشجوی کارشناسی ارشد موسسه غیرانتفاعی آموزش عالی پاسارگاد شیراز
بهاره پهلوان زاده - دانشکده انفورماتیک و امنیت سایبری دانشگاه صنعتی دابلین، بلنچاردستون، ایرلند و گروه پژوهشی طراحی و عملیات سیستم ها، مرکز منطقه ای اطلاع رسانی علوم و فناوری شیراز
المیرا آشورماهانی - عضو هیئت علمی موسسه غیرانتفاعی آموزش عالی پاسارگاد شیراز

اخبار جعلی و اطلاعات نادرست چالش های بزرگ انواع رسانه ها به وبژه رسانه های اجتماعی است. همانطور که شبکه هایاجتماعی بزرگی مانند فیس بوک و توییتر اعتراف کردنده بسیاری از اطلاعات نادرست لایک های جعلی, بازدیدها و حساب هایتکراری وجود دارد. اکثر اطلاعاتی که در رسانه های اجتماعی ظاهر می شوند مشکوک و در برخی موارد گمراه کننده هستند. آنهاباید هر چه سریعتر شناسایی شوند تا از تاثیر منفی بر جامعه جلوگیری شود. ابعاد مجموعه داده های اخبار جعلی به سرعت در حالرشد است، بنابراین برای به دست آوردن نتیجه بهتر از تشخیص اطلاعات نادرست با زمان محاسبات و پیچیدگی کمتر ابعاد بایدکاهش یابد، که توسط انتخاب ویژگی انجام می شود. هدف این تکنیک انتخاب یک زیرمجموعه ویژگی از مجموعه اصلی برای بهبودعملکرد طبقه بندی است. در این مقاله، انتخاب ویژگی توسط الگوریتم کلونی مورچه استفاده شده و سپس اخبار بر اساس زیرمجموعه ویژگی نهایی با استفاده از نروفازی طبقه بندی می شوند. روش پیشنهادی با مقایسه عملکرد آن با سایر روشها در مجموعهداده Buzzfeed ارزیابی شد و نتیحه طبقه بندی و تشخیص تا حد بسیار زیادی بهبود یافته است. همچنین دقت طبقه بندی بهدلیل حذف ویژگی های اضافی و کاهش ابعاد محموعه داده ها افزایش یافته است.

اخبار جعلی، هوش مصنوعی، الگوریتم کلونی مورچه، انتخاب ویژگی، نروفازی