در دنیای امروز، با گسترش سریع شبکه‌های اجتماعی و رسانه‌های آنلاین، اخبار جعلی (Fake News) به یک معضل جدی تبدیل شده‌اند. انتشار اخبار نادرست و گمراه‌کننده می‌تواند تاثیرات منفی گسترده‌ای بر افکار عمومی، انتخابات، و حتی امنیت ملی داشته باشد. از این رو، تشخیص و مقابله با اخبار جعلی به یک ضرورت حیاتی تبدیل شده است. مقاله حاضر با عنوان “تشخیص اخبار جعلی مبتنی بر یادگیری ماشین” به بررسی استفاده از تکنیک‌های یادگیری ماشین در این زمینه می‌پردازد.

این مقاله توسط Biplob Kumar Sutradhar، Md. Zonaid، Nushrat Jahan Ria و Sheak Rashed Haider Noori نگاشته شده است. نویسندگان در زمینه‌های پردازش زبان طبیعی و یادگیری ماشین تخصص دارند و هدف آن‌ها ارائه یک راهکار موثر برای تشخیص خودکار اخبار جعلی است. این تحقیق در حوزه‌های محاسبات و زبان و یادگیری ماشین طبقه‌بندی می‌شود.

چکیده مقاله به این صورت است:

اخبار جعلی توجه عموم و محافل علمی را به خود جلب کرده است. این اطلاعات نادرست می تواند بر درک عمومی تأثیر بگذارد و به گروه های بدخواه فرصت دهد تا بر نتایج رویدادهای عمومی مانند انتخابات تأثیر بگذارند. هرکسی می تواند اخبار یا حقایق جعلی را در مورد هر کسی یا هر چیزی برای منافع شخصی خود یا برای ایجاد مشکل برای کسی به اشتراک بگذارد. همچنین، اطلاعات بسته به بخشی از جهان که در آن به اشتراک گذاشته می شود، متفاوت است. بنابراین، در این مقاله، ما یک مدل را برای طبقه بندی اخبار جعلی و واقعی با استفاده از داده های خبری 1876 از مجموعه داده جمع آوری شده خود آموزش داده ایم. ما داده ها را پیش پردازش کرده ایم تا با پیروی از رویکردهای پردازش زبان طبیعی، متون تمیز و فیلتر شده را بدست آوریم. تحقیق ما 3 الگوریتم محبوب یادگیری ماشین (نزول گرادیان تصادفی، نایو بیز، رگرسیون لجستیک) و 2 الگوریتم یادگیری عمیق (حافظه بلند مدت، LSTM وزن رها شده ASGD یا AWD-LSTM) را انجام می دهد. پس از آن بهترین طبقه بندی کننده نایو بیز خود را با دقت 56٪ و امتیاز F1-macro به طور متوسط ​​32٪ پیدا کردیم.

به طور خلاصه، این مقاله به بررسی کارایی الگوریتم‌های مختلف یادگیری ماشین و یادگیری عمیق در تشخیص اخبار جعلی می‌پردازد. نویسندگان با استفاده از مجموعه‌ای از داده‌های خبری، مدل‌هایی را آموزش داده و عملکرد آن‌ها را ارزیابی کرده‌اند. هدف نهایی، ارائه یک مدل با دقت بالا برای تشخیص خودکار اخبار جعلی است.

یک مثال عملی از اهمیت این موضوع، تشخیص اخبار جعلی در مورد واکسن‌ها در دوران همه‌گیری کووید-۱۹ است. انتشار اطلاعات نادرست در این زمینه می‌تواند منجر به کاهش استقبال عمومی از واکسیناسیون و در نتیجه، افزایش شیوع بیماری شود. یک مدل تشخیص اخبار جعلی می‌تواند به شناسایی و حذف این اطلاعات نادرست کمک کند.

روش‌شناسی تحقیق این مقاله شامل مراحل زیر است:

• جمع‌آوری داده‌ها: جمع‌آوری یک مجموعه داده بزرگ و متنوع از اخبار، شامل اخبار واقعی و جعلی. این مجموعه داده شامل 1876 خبر جمع‌آوری شده است.
• پیش‌پردازش داده‌ها: تمیز کردن و آماده‌سازی داده‌ها برای آموزش مدل‌ها. این مرحله شامل حذف کاراکترهای غیرضروری، تبدیل متن به حروف کوچک، و استفاده از تکنیک‌های پردازش زبان طبیعی (NLP) مانند ریشه‌یابی (Stemming) و حذف کلمات توقف (Stop Words) است.
• آموزش مدل‌ها: آموزش و ارزیابی عملکرد الگوریتم‌های مختلف یادگیری ماشین و یادگیری عمیق. در این مقاله، از سه الگوریتم یادگیری ماشین (نزول گرادیان تصادفی، نایو بیز، و رگرسیون لجستیک) و دو الگوریتم یادگیری عمیق (حافظه بلند مدت (LSTM) و AWD-LSTM) استفاده شده است.
• ارزیابی عملکرد: ارزیابی عملکرد مدل‌ها با استفاده از معیارهای مختلف مانند دقت (Accuracy)، صحت (Precision)، فراخوانی (Recall)، و امتیاز F1.

استفاده از تکنیک‌های پیش‌پردازش داده‌ها بسیار مهم است. برای مثال، فرض کنید یک خبر جعلی شامل غلط املایی عمدی باشد. پیش‌پردازش داده‌ها می‌تواند این غلط املایی را تصحیح کرده و به مدل کمک کند تا الگوهای پنهان در متن را بهتر شناسایی کند.

یافته‌های کلیدی این تحقیق به شرح زیر است:

• بهترین عملکرد در بین الگوریتم‌های مورد استفاده، مربوط به الگوریتم نایو بیز با دقت 56% و امتیاز F1-macro میانگین 32% بوده است.
• الگوریتم‌های یادگیری عمیق در این مجموعه داده، عملکرد بهتری نسبت به الگوریتم‌های یادگیری ماشین کلاسیک نداشته‌اند.

این یافته‌ها نشان می‌دهند که انتخاب الگوریتم مناسب، به نوع داده‌ها و ویژگی‌های آن‌ها بستگی دارد. در این مورد خاص، الگوریتم نایو بیز توانسته است الگوهای موجود در داده‌ها را بهتر شناسایی کند. اگرچه انتظار می‌رفت الگوریتم‌های یادگیری عمیق عملکرد بهتری داشته باشند، اما نتایج نشان داد که این الگوریتم‌ها لزوماً در همه موارد بهترین گزینه نیستند.

نکته قابل توجه این است که دقت 56% در تشخیص اخبار جعلی، نسبتاً پایین است و نیاز به بهبود دارد. این موضوع نشان می‌دهد که هنوز جای کار زیادی برای توسعه مدل‌های دقیق‌تر و کارآمدتر در این زمینه وجود دارد.

کاربردها و دستاوردهای این تحقیق عبارتند از:

• ارائه یک چارچوب اولیه برای تشخیص خودکار اخبار جعلی با استفاده از تکنیک‌های یادگیری ماشین.
• شناسایی الگوریتم نایو بیز به عنوان یک گزینه مناسب برای تشخیص اخبار جعلی در این مجموعه داده خاص.
• آگاهی‌بخشی در مورد اهمیت پیش‌پردازش داده‌ها و انتخاب الگوریتم مناسب برای حل این مسئله.

یکی از کاربردهای عملی این تحقیق، استفاده از مدل توسعه‌یافته در شبکه‌های اجتماعی برای شناسایی و حذف اخبار جعلی است. همچنین، این مدل می‌تواند به عنوان یک ابزار کمکی برای روزنامه‌نگاران و محققان در بررسی صحت اخبار مورد استفاده قرار گیرد.

از دستاوردهای مهم این تحقیق، ارائه یک نقطه شروع برای تحقیقات آینده در زمینه تشخیص اخبار جعلی است. محققان می‌توانند با استفاده از این یافته‌ها، الگوریتم‌های جدیدی را توسعه داده و عملکرد مدل‌های موجود را بهبود بخشند.

در مجموع، مقاله “تشخیص اخبار جعلی مبتنی بر یادگیری ماشین” یک گام مهم در جهت مقابله با این معضل جهانی است. اگرچه دقت مدل ارائه‌شده هنوز نیاز به بهبود دارد، اما این تحقیق نشان می‌دهد که استفاده از تکنیک‌های یادگیری ماشین می‌تواند در تشخیص خودکار اخبار جعلی موثر باشد. با توسعه مدل‌های دقیق‌تر و کارآمدتر، می‌توان به طور موثرتری با انتشار اخبار نادرست و گمراه‌کننده مقابله کرد و از تاثیرات منفی آن بر جامعه جلوگیری نمود.

تحقیقات آتی می‌تواند بر روی بهبود دقت مدل‌ها با استفاده از تکنیک‌های پیشرفته‌تر پردازش زبان طبیعی و یادگیری عمیق، و همچنین جمع‌آوری مجموعه‌های داده بزرگتر و متنوع‌تر تمرکز کند. علاوه بر این، بررسی تاثیر عوامل فرهنگی و زبانی بر تشخیص اخبار جعلی نیز می‌تواند به توسعه مدل‌های دقیق‌تر و سازگارتر با شرایط مختلف کمک کند.