چکیده مقاله
این پژوهش به بررسی سه روش شبکه های عصبی بازمانده، شبکه عصبی کانولوشنی و مدل های حافظه کوتاه مدت در شناسایی اخبار جعلی می پردازد در این پژوهش تکنیک های کاهش ابعاد داده نظیر تحلیل مولفه های اصلی PCA به کار گرفته شده اند تا پیچیدگی داده ها کاهش یافته و دقت مدل ها بهبود یابد نتایج حاصل نشان می دهد که رویکردهای پیشنهادی مانند شبکه های عصبی بازمانده ResNet و مدل LSTM دو جهته عملکرد مناسبی در شناسایی اخبار جعلی دارند مدل Reset توانایی چشمگیری در استخراج ویژگی های پیچیده دارد و مدل LSTM دوجهته با پردازش اطلاعات ترتیبی روابط معنایی عمیق را شناسایی می کند، این روش ها به دلیل ساختار ساده سرعت پردازش، بالا و دقت پیش بینی، بیشتر به عنوان یک راهکار کارآمد شناخته می شوند این تحقیق نشان دهنده پتانسیل قابل توجه تکنیک های یادگیری ماشین در مقابله با انتشار اطلاعات نادرست است
کلیدواژهها
نویسندگان
بهاره هاشم زاده
گروه کامپیوتر دانشکده مهارت و کارآفرینی، دانشگاه آزاد اسلامی مشهد
مجید عبدالرزاق نژاد
گروه علوم کامپیوتر دانشکده مهندسی کامپیوتر و صنایع، دانشگاه صنعتی بیرجند
شیوه ارجاع
هاشم زاده، بهاره و عبدالرزاق نژاد، مجید،1404،بررسی سه روش شبکه های عصبی بازمانده، شبکه عصبی کانولوشنی و مدل های حافظه کوتاه مدت در شناسایی اخبار جعلی،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز