تشخیص شایعات مربوط به اخبار در شبکه های اجتماعی با استفاده از الگوریتم های ترکیبی SVM و بهینه سازی جستجوی کلاغ

شایعات اطلاعات گمراه کننده ای هستند که در زمان انتشار صحت ندارند. به عبارت دیگر، شایعات مجموعه ای از اطلاعات هستندکه صحت آنها به سرعت یا هرگز تایید نمی شود. از آنجایی که استفاده از پلتفرم رسانه های اجتماعی در سالهای اخیر رشد کردهاست، اطلاعات و شایعات نادرست به طور گسترده در این پلتفرم ها منتشر شده است که تاثیر قابل توجهی بر زندگی مردم دارد.شایعات به سرعت از طریق رسانه های اجتماعی پخش می شوند و به دلیل گسترش اینترنت و شبکه های مجازی مانند توییتر، اکنونبرای هر کسی امکان ارسال هر مطلبی در پلتفرم های آنلاین وجود دارد. این پخش سریع شایعات در شبکه های اجتماعی، انگیزه لازمبرای ارائه مدلهای خودکار بر اساس هوش مصنوعی برای تشخیص اخبار واقعی از شایعات را در شبکه های اجتماعی فراهم کردهاست. در این مقاله یک روش خودکار تشخیص اخبار شایعه مبتنی بر یادگیری نظارتی ارائه شده است. روش پیشنهادی از ویژگی های پایگاه داده PHEME برای تشخیص شایعات در توییتر استفاده می کند. برای طبقه بندی و شناسایی شایعات از مدل ماشین بردار پشتیبان SVM بهینه شده استفاده شده است. بهینه کردن هایپرپارامترهای مدل SVM نیز در این کار با استفاده از الگوریتم بهینه سازی جستجوی کلاغ CSA انجام شده است. بر اساس نتایج شبیه سازی، میانگین دقت روش پیشنهادی در این مقاله ۸۵,۳۴ درصد است که نسبت به روش مقاله مرجع، افزایش داشته است

Keywords:

تشخیص شایعه , توییتر , یادگیری نظارت شده , الگوریتم , SVM , الگوریتم جستجوی کلاغ