دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 1 1 2022 03 20 Detecting Fake News In Social Media Based On Semantic Relationships And Classification Combinations تشخیص اخبار جعلی در رسانه‌های اجتماعی مبتنی ‌بر روابط معنایی و ترکیب طبقه‌بند 37 49 10.22051/jera.2021.31891.2698 FA محمد دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز دانشگاه جامع امام حسین (ع) محمدرضا استاد دانشگاه جامع امام حسین (ع) 2022 03 19 Social media has become a popular means of following the news. At the same time, they make possible the widespread dissemination of fake news, that is, false and deliberate news and information have significant negative effects on society. Fake news and misinformation are a big challenge in all types of media, especially social media. Most of the information that appears on social media is suspicious and in some cases misleading. Therefore, the possibility of identifying fake content in online resources is an urgent need that must be identified as soon as possible to avoid negative impact on society. The purpose of this study is to increase the accuracy of fake news detection systems on social media. Therefore, in this research, a news recognition system has been designed whose task is to distinguish the main news from the fake. In this research, a three-step process has been used to identify fake news, which has been done in the first stage of preprocessing operations. In the second step, the feature extraction operation is performed. Feature extraction operations are based on semantic relationships. In the final step, classification algorithms are used to classify the news. In this study, the nearest neighbor, decision tree, and support vector classifiers have been used, which have been combined by a majority vote. Classification criteria have been used to evaluate the proposed method. The criteria used in this study include accuracy, precision, recall and F criteria. The results of the experiments show the acceptable efficiency of the proposed method in detecting fake news. The reason for this superiority can be found in the feature extraction and classification section. 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 می‌باشد. 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. /downloadfilepdf/76506