|
Title
|
تشخيص اخبار جعلي بر مبناي تحليل احساسات با
استفاده از مدلهاي يادگيري عميق
|
|
Type
|
Thesis
|
|
Keywords
|
تشخيص اخبار جعلي؛ تحليل احساسات؛ يادگيري عميق؛ يادگيري تقويتي
|
|
Abstract
|
در عصر ديجيتال، انتشار گسترده اخبار جعلي در شبك ههاي اجتماعي چالشهاي جدي برا ي اعتماد عموم ي
و تصميمگيريهاي اجتماعي، سياسي و اقتصادي ايجاد كرده است. اين پژوهش به تشخي ص خودكار اخبار
جعلي با تمركز بر تحليل احساسات و كاهش نويز احساسي در محتواي خبري و واكنشهاي كاربران
ميپردازد. با وجود پيشرفتها ي اخير در ب هكارگيري تحليل احساسات در اي ن حوزه، همچنان چالشهايي
مانند مقاومت مدلها در برابر نويزه اي احساسي و بهر هگيري مؤثر و يادگيري تقويتي باق ي مانده است.
هدف اصلي اين پژوهش، طراحي و پيادهسازي يك مدل تركيبي نوآورانه براي بهبود دقت و تعميمپذيري
تشخيص اخبار جعلي با تأكيد بر جنب ههاي احساسي اخبار و تأثي ر آ نها بر كاربران و با بهرهگيري از مدلهاي
يادگيري عميق است. در اين پژوهش، از مجموع هدادهها ي Fakeddit ، Snopes و PHEME استفاده
شد. نتايج نشان داد كه مدل پيشنهادي عملكرد مناسبي در مجموعهدادههاي مختلف داشته و در برابر
نويزهاي احساسي پايداري قابلقبولي از خود نشان ميدهد. اين يافتهها نشان ميدهد كه تركيب تحليل
احساسات، يادگيري عميق، يادگيري تقويتي م يتوان د دقت و پايداري مدل را در برابر نويزهاي احساس ي
بهبود داده و براي كاربردهاي واقعي مانند نظارت بر شبك ههاي اجتماعي مؤثر باشد .
|
|
Researchers
|
amir rezaeeian (Student) , Rezvan MohammadiBaghmolaei (First primary advisor)
|