رضوان محمدی باغملایی

در عصر دیجیتال، انتشار گسترده اخبار جعلی در شبک ههای اجتماعی چالشهای جدی برا ی اعتماد عموم ی و تصمیمگیریهای اجتماعی، سیاسی و اقتصادی ایجاد کرده است. این پژوهش به تشخی ص خودکار اخبار جعلی با تمرکز بر تحلیل احساسات و کاهش نویز احساسی در محتوای خبری و واکنشهای کاربران میپردازد. با وجود پیشرفتها ی اخیر در ب هکارگیری تحلیل احساسات در ای ن حوزه، همچنان چالشهایی مانند مقاومت مدلها در برابر نویزه ای احساسی و بهر هگیری مؤثر و یادگیری تقویتی باق ی مانده است. هدف اصلی این پژوهش، طراحی و پیادهسازی یک مدل ترکیبی نوآورانه برای بهبود دقت و تعمیمپذیری تشخیص اخبار جعلی با تأکید بر جنب ههای احساسی اخبار و تأثی ر آ نها بر کاربران و با بهرهگیری از مدلهای یادگیری عمیق است. در این پژوهش، از مجموع هدادهها ی Fakeddit ، Snopes و PHEME استفاده شد. نتایج نشان داد که مدل پیشنهادی عملکرد مناسبی در مجموعهدادههای مختلف داشته و در برابر نویزهای احساسی پایداری قابلقبولی از خود نشان میدهد. این یافتهها نشان میدهد که ترکیب تحلیل احساسات، یادگیری عمیق، یادگیری تقویتی م یتوان د دقت و پایداری مدل را در برابر نویزهای احساس ی بهبود داده و برای کاربردهای واقعی مانند نظارت بر شبک ههای اجتماعی مؤثر باشد .