ارایه یک روش جدید برای تشخیص شایعات در شبکه های اجتماعی با استفاده از یادگیری عمیق

چکیده مقاله

توییتر یکی از پرکاربردترین ساختارهای رسانه های اجتماعی برای پخش اخبار در سراسر جهان به شمار میرود یک بررسی جدید از مرکز تحقیقات پیرا نشان میدهد که دو سوم آمریکای ها از رسانه ای اجتماعی خبر میگیرند و حدود سه چهارم از کاربران توییتر میباشند اهمیت رسانههای اجتماعی به ویژه توییتر به عنوان منبع اطلاعات به روز از این واقعیت ناشی میشود که هر کسی می تواند فورا اطلاعات مربوط به وقوع اخبار را ارسال و به اشتراک بگذارد در این پژوهش یک مدل هوشمند با دو مرحله یادگیری برای تشخیص زودهنگام شایعات با ترکیب روش یادگیری عمیق و آنتروپی ارائه شده است روش پیشنهادی بر روی دو مجموعه داده PHEME که از توییتهای متفاوت جمع آوری شده است ارزیابی شد در فاز پیش پردازش و آماده سازی داده ها، برای وزن دهی به کلمات از روش TF IDF استفاده شد که میتواند به سرعت و عملکرد بهتر مدل کمک کند به دلیل وجود داده های نامتوازن در مجموعه دادههای شبکه های اجتماعی برای اینکه اطمینان حاصل شود که نمونهها بطور کافی از هر طبقه انتخاب میشود، در این تحقیق از نمونه گیری Bootstrap استفاده شد برای انتخاب بهترین ویژگیها از روش ترکیبی PSO SVM استفاده شد؛ در این فاز اولین مرحله یادگیری انجام گرفت که به ناب تر شدن داده ها و عملکرد بهتر مدل بسیار کمک می کند در فاز مدلسازی بدلیل پویا بودن توئیتها در این پژوهش از شبکه عصبی اتوانکدر که مبتنی بر زمان میباشد همراه با حداکثر آنتروپی استفاده شد هدف اصلی این مقالهبه حداکثر رساندن معیارها جهت تشخیص زودهنگام شایعات می باشد

کلیدواژه‌ها

نویسندگان

محمدرضا محمدرضائی

استادیار، گروه کامپیوتر واحد رامهرمز دانشگاه آزاد اسلامی، رامهرمز، ایران

مریم شادکام

دانشجوی کارشناسی ارشد گروه کامپیوتر واحد اهواز دانشگاه آزاد اسلامی، اهواز، ایران

محمدرضائی، محمدرضا و شادکام، مریم،1404،ارایه یک روش جدید برای تشخیص شایعات در شبکه های اجتماعی با استفاده از یادگیری عمیق،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران

ارائه‌شده در

مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران