چارچوب ترکیبی بهبود یافته تشخیص اخبار جعلی مبتنی بر بهینه سازی باینری تام و جری و یادگیری متا مبتنی بر استکینگ

چکیده مقاله

با رشد شتابان شبکه های اجتماعی و تولید انبوه محتوای خبری توسط کاربران تشخیص خودکار اخبار جعلی به یکی از چالش های محوری در حوزه ی هوش مصنوعی و پردازش زبان طبیعی تبدیل شده است در این پژوهش، یک چارچوب یادگیری ترکیبی نوین جهت تشخیص اخبار جعلی متنی پیشنهاد می شود که در آن از الگوریتم فرامتاهیوریستی Tom & Jerry Optimization TJO برای انتخاب بهینه ویژگی ها و از تلمبارسازی Stacking چند یادگیرنده ی مکمل برای ارتقای تعمیم پذیری مدل استفاده شده است در گام نخست داده های مجموعه داده ISOT پس از نرمال سازی و پالایش، زبانی به دو بازنمایی موازی تبدیل می شوند: ۱ بردارهای TF IDF مبتنی بر ۱ تا ۲ گرم برای مدل های کلاسیک و ۲ توالی های توکن شده tokenized sequences برای مولفه ی یادگیری عمیق، سپس الگوریتم TJO با جست وجوی تصادفی هدایتی در فضای دودویی ویژگی ها و برازندگی مبتنی بر اعتبارسنجی متقاطع پنج تایی زیرمجموعه ای بهینه از ویژگی های کلیدی را انتخاب می کند و ابعاد ورودی را به طور هدفمند کاهش می دهد سه مدل پایه شامل ماشین بردار پشتیبان با هسته ی RBF، شبکه پرسپترون چندلایه MLP و شبکه عصبی بازگشتی LSTM بر روی داده های منتخب آموزش یافته و خروجی های آنها به عنوان ورودی به یک رگرسیون لجستیک تغذیه می شود تا تصمیم نهایی ترکیبی حاصل گردد نتایج تجربی نشان می دهد که چارچوب پیشنهادی در مقایسه با مدل های منفرد در تمام معیارهای ارزیابی عملکرد از جمله دقت ۰ ۹۴۹۷ = Accuracy ، ویژگی ۰ ۹۶۰۶ = Specificity ، بازخوانی ۰ ۹۴۲۲ = Recall ، دقت مثبت Precision = ۰ ۹۷۱۸ ، امتیاز F۱ ۰ ۹۵۶۸ = F۱ و ضریب همبستگی متیوز ۰ ۸۹۷۴ = MCC عملکرد بهتری دارد همچنین نرخ های پایین FPR ۰ ۰۳۹ ، FNR ۰ ۰۵۸ و FDR ۰ ۰۲۸ نشان دهنده ی تعادل مطلوب میان حساسیت و گزینندگی مدل هستند این نتایج نشان می دهد که چارچوب پیشنهادی با بهره گیری از انتخاب ویژگی فرامتاهیوریستی و هم افزایی میان یادگیرنده ها گزینه ای موثر برای سامانه های هوشمند راستی آزمایی اخبار و فیلترینگ محتوای دیجیتال به شمار می رود

کلیدواژه‌ها

نویسندگان

ساناز نوروزی لرکی

گروه مهندسی کامپیوتر، واحد امیدیه، دانشگاه آزاد اسلامی، امیدیه، ایران

نوروزی لرکی، ساناز،1404،چارچوب ترکیبی بهبود یافته تشخیص اخبار جعلی مبتنی بر بهینه سازی باینری تام و جری و یادگیری متا مبتنی بر استکینگ،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد

ارائه‌شده در

مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد