ثبت نام در مجله
مهلت ارسال مقالات

آخرین مهلت ارسال مقالات برای دوره دوم-شماره4 -پاییز 1401:

(15 آذر ماه 1401)

بانک ها و نمایه ها


civilica

56454

tpbin

magiran

jref-fa

Irindexing

Untitled

 

قوانین

قانون بین المللی کپی رایت

 این نشریه تحت قانون بین المللی کپی رایت BY: Creative Commons  می‌باشد.

قوانین کمیتۀ اخلاق در انتشار

این نشریه تابع قوانین کمیتۀ اخلاق در انتشار (COPE) است و از آیین نامه اجرایی قانون پیشگیری و مقابله با تقلب در آثار علمی پیروی می نماید.

open access
دسترسی آزاد به مقالات نشریه
 
DOAJ
 
تشخیص اخبار جعلی در رسانه‌های اجتماعی مبتنی ‌بر روابط معنایی و ترکیب طبقه‌بند
دوره 1، شماره 1، 1400، صفحات 37 - 49
نویسندگان : محمد روستائی * 1 ، محمدرضا حسنی آهنگر 2

1 دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز دانشگاه جامع امام حسین (ع)

2 استاد دانشگاه جامع امام حسین (ع)

چکیده :
رسانه‌های اجتماعی به یک وسیله محبوب برای دنبال کردن اخبار تبدیل شده‌اند. در عین حال، انتشار گسترده اخبار جعلی را نیز ممکن می‌سازند. اخبار جعلی و اطلاعات نادرست چالش بزرگی در همه انواع رسانه‌ها به ویژه رسانه‌های اجتماعی هستند. لذا امکان شناسایی محتوای جعلی در منابع آنلاین یک نیاز فوری است که در اسرع وقت برای جلوگیری از تأثیر منفی بر جامعه، باید شناسایی شوند. هدف از این پژوهش افزایش دقت سیستم‌های تشخیص اخبار جعلی در رسانه‌های اجتماعی می‌باشد. از این رو در این پژوهش یک سیستم تشخیص اخبار طراحی گردیده است که وظیفه‌ی آن تشخیص اخبار اصلی از جعلی می‌باشد. در این پژوهش جهت تشخیص اخبار جعلی از یک فرآیند سه مرحله‌ای استفاده گردیده است که در مرحله‌ی نخست عملیات پیش‌پردازش صورت گرفته است. در گام دوم عملیات، استخراج ویژگی صورت گرفته است. عملیات استخراج ویژگی براساس روابط معنایی ایجاد گردیده است. در گام نهایی از الگوریتم‌های طبقه‌بندی جهت طبقه‌بندی اخبار استفاده گردیده است. در این پژوهش طبقه‌بندهای نزدیک‌ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان مورد استفاده قرار گرفته است که به ‌وسیله ترکیب رای اکثریت با هم ادغام شده‌اند. جهت ارزیابی روش پیشنهادی از معیارهای طبقه‌بندی بهره گرفته شده است. معیارهای به‌کار رفته در این پژوهش شامل معیارهای دقت، صحت، فراخوان و معیار F مي‌باشد. نتایج حاصل از آزمایش‌ها نشان‌دهنده‌ی کارایی قابل قبول روش پیشنهادی در تشخیص اخبار جعلی می‌باشد. دلیل این برتری را می‌توان در بخش استخراج ویژگی و طبقه‌بندی یافت.
کلمات کلیدی :
اخبار جعلی، استخراج ویژگی، طبقه¬بندی، نزدیک¬ترین همسایه، درخت تصمیم، ماشین بردار پشتیبان