چکیده مقاله
ظهور و افزایش محبوبیت رسانه های اجتماعی و خدمات آن ها مانند Facebook Twitter و باعث شده این شبکه ها برای اشتراک اخبار و سایر اطلاعات مهم مورد استفاده قرار گیرند، اکنون بیش از هر زمان دیگر ، مردم برای کسب اخبار مورد نیاز خود به رسانه های اجتماعی روی می آورند ، این امر به ویژه برای اخبار مهم ، که در آن افراد خواهان دسترسی سریع همراه با به روز رسانی سریع رویدادها در زمان واقعی هستند ، صادق است گسترش اطلاعات نادرست غلط و شایعات در شبکه های اجتماعی ، به ویژه در موقعیت های حساس به زمان مانند زمان های وقوع سیل، زلزله ، انتخابات در دنیای واقعی ، می تواند اثرات مضر بر افراد و جامعه داشته باشد اگر شایعات در زمان مناسب و به موقع تشخیص داده شوند ، اثرات منفی آنها محدود است و می توان از پیامدهای احتمالی انتشار آن ها جلوگیری کرد در این رساله مدلی را برای شناسایی و تایید خودکار شایعات فارسی منتشر شده در توئیتر را پیشنهاد دادیم ، مدل پیشنهادی با استفاده از معماری ترکیبی واحد بازگشتی دروازه دار شبکه عصبی تمام متصل GRU FCNNبا دقت ۹۱٪ شایعات را تشخیص داده است و معیارهای ارزیابی روش پیشنهادی نیز صحت، فراخوانی و F۱ می باشد
کلیدواژهها
نویسندگان
محمدولی خوشنام
دانشجوی کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی ،دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران ،
کوروش داداش تبار احمدی
استادیار دانشکده برق و کامپیوتر،دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران،
شیوه ارجاع
�وشنام، محمدولی و داداش تبار احمدی، کوروش،1399،تشخیص شایعه در شبکه های اجتماعی با استفاده از معماری ترکیبی GRU-FCNN،چهارمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی15 اسفند 1400 · اهواز