تشخيص شايعات چند ماهيتي با رويكرد‌هاي يادگيري عميق

كارشناسي ارشد

تشخيص شايعات چند ماهيتي يك حوزه تحقيقاتي در حال تكامل است كه به مبارزه با گسترش اطلاعات غلط اختصاص دارد؛ اين حوزه از منابع مختلف مانند متن، تصاوير، ويدئوها و صداها براي يكپارچه‌سازي اطلاعات استفاده مي‌كند. برخلاف روش‌هاي سنتي كه عمدتاً بر روي محتواي متني تمركز دارند، رويكردهاي چند ماهيتي به درك بهتري از ويژگي‌ها براي تشخيص شايعات تمركز دارند. با بهره‌گيري از تكنيك‌هاي پردازش زبان طبيعي و بينايي ماشين، محققان الگوريتم‌هايي توسعه داده‌اند كه قادر به تحليل و تفسير همزمان اطلاعات از ماهيت‌هاي مختلف باشند. در بسياري از مطالعات انجام شده به ارتباط بين ماهيت‌ها پرداخته نشده‌است و همچنين تفاوت محتواي زياد شايعات با يكديگر باعث تضعيف عملكرد مدل‌ها در شناسايي شايعات جديد شده‌است. در اين پژوهش با استفاده از تفكيك داده‌ها بر اساس سبك و محتوا، همچنين بهره‌گيري از سازوكار‌هاي توجه بين ماهيتي براي درك ارتباط ميان تصوير و متن، يك رويكرد مؤثر در تحليل داده‌هاي چند ماهيتي براي تشخيص شايعات ارائه شده‌است. اين رويكرد نه تنها امكان جداسازي اطلاعات بر اساس ويژگي‌هاي سبك و محتوايي را فراهم مي‌كند، بلكه باعث بهبود در اتصالات و تداخلات بين تصاوير و متون مي‌شود. همچنين، بهره‌گيري از ساختار توجه به خود در فرآيند يادگيري، امكان استخراج ويژگي‌از داده‌هاي جديد را بهبود مي‌بخشد. اين سازوكار توجه به خود اين امكان را مي‌دهد كه مدل به نحوي عميق‌تر ويژگي‌هاي مهمتر و ارتباط دروني در هر يك از ماهيت‌هاي متن و تصوير را شناسايي كند. در نتيجه، اين رويكرد چند ماهيتي مي‌تواند اطلاعات غني و جامعي از داده‌ها استخراج كرده و در تحليل‌هاي متنوع چند ماهيتي به عنوان يك ابزار كارآمد و دقيق عمل كند.عملكرد مدل ارائه شدهبا استفاده از مجموعه‌دادگان FakeNewsNet و ReCOVery سنجيده شده است. مقايسه‌ي عملكرد اين مدل با مدل‌هاي روز نشان مي‌دهد كه روش ارائه شده، يك روش جامع با دقت بالا براي تشخيص شايعات مي‌باشد.

227805

دانشگاه اصفهان

مهندسي كامپيوتر - هوش مصنوعي و رباتيكز

حميدرضا برادران كاشاني , حسين كارشناس نجف آبادي