فایل این پایان نامه تا تاریخ 1401/01/01 قابل مشاهده نیست
عنوان	شناسایی زودهنگام اخبار جعلی با استفاده از ویژگی های محتوایی
عنوان لاتین	Early Fake News Detection Using Content Features
نویسنده	رضایی سالانقوچ، سجاد - Rezaei, Sajjad
استاد راهنما	کاهانی، محسن
استاد مشاور	بهکمال، بهشید
مقطع تحصیلی	کارشناسی ارشد
سال دفاع از پایان نامه	۱۴۰۰
رشته	مهندسی کامپیوتر - نرم افزار
توصیفگر	اخبار جعلی
توصیفگر	شبکه عصبی
توصیفگر	محتوا
توصیفگر	تحلیل محتوا
توصیفگر	رسانه‌های اجتماعی
توصیفگر	فضای مجازی
چکیده فارسی	امروزه با توجه به گسترش روزافزون رسانه های اجتماعی و این که تمایل مردم به خواندن اخبار از طریق رسانه های سنتی مانند روزنامه و مجله به حداقل رسیده است، رسانه های اجتماعی نقش کلیدی در رساندن اخبار به مخاطبان ایفا می کند. انتشار اخبار در فضای مجازی با توجه به کم هزینه بودن، انتشار سریع اخبار و دسترسی آسانی که توسط این فضا فراهم می شود، دلایل اصلی روی آوردن به این موضوع است. در این پژوهش با استفاده از ویژگی های محتوایی (که می توان از متن و عنوان خبر استخراج کرد) به همراه چندین ویژگی جدید مانند بررسی شباهت معنایی بین عنوان و متن خبر و نیز استفاده از مدل سازی موضوعی به شناسایی اخبار جعلی پرداخته می شود. همچنین با استفاده از فناوری های شبکه عصبی به ماشین آموزش داده می شود تا با کمترین خطای ممکن اخبار جعلی شناسایی شوند. زبان مورداستفاده برای اخبار جعلی در این پژوهش انگلیسی می باشد و این انتخاب به دلیل عدم وجود مجموعه داده قابل اطمینان در زبان فارسی صورت گرفته است. پس از انجام آزمایش ها گوناگون میزان دقت نهایی به حدود 90% رسیده که این در مقایسه باکارهای گذشته بهبودیافته است و می توان ادعا نمود که ویژگی-های استخراج شده جدید تأثیر خوبی در شناسایی اخبار جعلی داشته است.
چکیده لاتین	Today, due to the increasing spread of social media and the fact that people tend to read the news through traditional media such as newspapers and magazines has been minimized, social media plays a key role in delivering news to the audience. Dissemination of news in cyberspace Due to its low cost, rapid dissemination of news and easy access provided by this space, are the main reasons for turning to this issue. In this research, using content features that can be extracted from the text and the title of the news, along with several new features such as examining the semantic similarity between the title and the text of the news in several ways, using subject modeling and then similarity between the two deal with fake news. We also train the machine using neural network techniques to make the least mistakes in finding fake news. The language used for fake news in this study is English and this choice was made due to the lack of a reliable data set in Persian. After performing various tests, the final accuracy has reached about 90%, which is an improvement over previous work, and it can be said that the newly extracted features have had a good effect on identifying fake news.
لیست فایلها:	چکیده فارسی فهرست مطالب فهرست منابع و ماخذ چکیده انگلیسی صفحه عنوان انگلیسی