تشخيص نيمه نظارتي اخبار جعلي فارسي از طريق متن اخبار

كارشناسي ارشد

در دنياي امروز شايعات زيادي در فضاي حقيقي و مجازي وجود دارد. عواقب و خطرات پخش اخبار جعلي در يك جامعه بر كسي پوشيده نيست. جهت تشخيص اخبار جعلي مي­توان از تشخيص موضع استفاده كرد. به فرآيند خودكار (اتوماتيك) درك موضع ديگر منابع يا خبرگزاري­ها نسبت به يك ادعا، تشخيص موضع مي­گويند. ما با بهره­گيري از تشخيص موضع و نگهداري سابقه خبرگزاري­هاي مختلف در زمينه پخش شايعات و اخبار جعلي و رتبه­دهي به اين خبرگزاري­ها اخبار جعلي را تشخيص مي­دهيم. لازم بذكر است كه مدل مذكور، اولين مدل تشخيص اخبار جعلي فارسي با استفاده از تشخيص موضع در كشور خواهد بود. برچسب‌گذاري اخبار جعلي مانند اكثر كاربردهاي پردازش زبان طبيعي فرايندي زمانبر است و تعداد نمونه­هاي برچسب­گذاري شده در اين زمينه محدود است. در اين پروژه روش پيشنهادي ما استفاده از روش نيمه‌نظارتي است. يادگيري نيمه‌نظارتي دسته‌اي از روش‌هاي يادگيري ماشين است كه در آن از داده‌هاي بدون برچسب و داده‌هاي برچسب‌دار به صورت هم‌زمان براي بهبود دقت يادگيري استفاده مي‌شود. در نتيجه با استفاده از روش يادگيري نيمه نظارتي، مي­توان تعداد نمونه­هاي پيكره آموزش را افزايش داد زيرا مي­توان از نمونه­هاي بدون برچسب نيز بهره برد. در نهايت انتظار مي­رود افزايش تعداد نمونه­ها منجر به دقت بالاتر ­گردد.

210406

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر- هوش مصنوعي و رباتيكز

سيدصالح اعتمادي