استفاده از تکنیک رایگیری اکثریت در طبقه بندی اخبار جعلی از واقعی با الگوریتم های درخت تصمیم ،رگرسیون لجستیک و کا-نزدیک ترین همسایگی

برای طبقه بندی متن از یادگیری ماشین و پردازش زبان طبیعی به طور گستردهای استفاده می شود. به طور کلی هدف یک طبقه بند متن ، طبقه بندی سندها در قالب تعداد مشخصی از دسته های از پیش تعیین شده می باشد. در این پژوهش ، اخبار پخش شده در فضای مجازی مورد بررسی قرار گرفته است تا به این سوال پاسخ داده شود که این اخبار در کدام یک از دسته ی جعلی یا واقعی قرار می گیرد. روش پیشنهادی با در نظر داشتن ساختارکلمات انگلیسی ، مدل tf-idf و الگوریتم ها ی درخت تصمیم ،رگرسیون لجستیک و کا-نزدیک ترین همسایگی ، اخبار جعلی را از واقعی بااستفاده از تکنیک رایگیری اکثریت طبقه بندی می کند. در این پژوهش سه الگوریتم یادگیری مذکور مورد استفاده قرار گرفت تا یک مدل ترکیبی برای دسته بندی اخبار جعلی از واقعی ایجاد شود. مطابق نتایج و براساس شاخص های مختلف ازریابی دقت ، مدل پیشنهادی دقتی در حدود ۸۸ درصد داشت .

Keywords:

طبقه بندی متن , اخبار جعلی , پردازش زبان طبیعی , متن انگلیسی , رایگیری اکثریت