ترجمه فارسی مقاله تشخیص اطلاعات نادرست سلامت در محتوای وب از طریق Web2Vec: یک رویکرد ساختاری، مبتنی بر محتوا و متن آگاه بر اساس Web2Vec

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Health Misinformation Detection in Web Content via Web2Vec: A Structural-, Content-based, and Context-aware Approach based on Web2Vec
عنوان مقاله به فارسی تشخیص اطلاعات نادرست سلامت در محتوای وب از طریق Web2Vec: یک رویکرد ساختاری، مبتنی بر محتوا و متن آگاه بر اساس Web2Vec
نویسندگان Rishabh Upadhyay, Gabriella Pasi, Marco Viviani
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Information Retrieval,بازیابی اطلاعات ,
توضیحات Submitted 5 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده در 5 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In recent years, we have witnessed the proliferation of large amounts of online content generated directly by users with virtually no form of external control, leading to the possible spread of misinformation. The search for effective solutions to this problem is still ongoing, and covers different areas of application, from opinion spam to fake news detection. A more recently investigated scenario, despite the serious risks that incurring disinformation could entail, is that of the online dissemination of health information. Early approaches in this area focused primarily on user-based studies applied to Web page content. More recently, automated approaches have been developed for both Web pages and social media content, particularly with the advent of the COVID-19 pandemic. These approaches are primarily based on handcrafted features extracted from online content in association with Machine Learning. In this scenario, we focus on Web page content, where there is still room for research to study structural-, content- and context-based features to assess the credibility of Web pages. Therefore, this work aims to study the effectiveness of such features in association with a deep learning model, starting from an embedded representation of Web pages that has been recently proposed in the context of phishing Web page detection, i.e., Web2Vec.

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، ما شاهد گسترش مقادیر زیادی از محتوای آنلاین هستیم که مستقیماً توسط کاربران تولید می شود که تقریباً هیچ نوع کنترل خارجی وجود ندارد و منجر به گسترش احتمالی اطلاعات نادرست می شود.جستجوی راه حل های مؤثر برای این مشکل هنوز در حال انجام است و زمینه های مختلف کاربردی را شامل می شود ، از اسپم نظر گرفته تا تشخیص اخبار جعلی.سناریوی مورد بررسی اخیراً ، با وجود خطرات جدی که باعث ایجاد اطلاعات می شود می تواند منجر شود ، انتشار آنلاین اطلاعات بهداشتی است.رویکردهای اولیه در این زمینه در درجه اول بر مطالعات کاربر مبتنی بر محتوای صفحه وب متمرکز شده است.اخیراً ، رویکردهای خودکار هم برای صفحات وب و هم برای محتوای رسانه های اجتماعی ، به ویژه با ظهور همه گیر Covid-19 ایجاد شده است.این رویکردها در درجه اول مبتنی بر ویژگی های دست ساز استخراج شده از محتوای آنلاین در ارتباط با یادگیری ماشین است.در این سناریو ، ما روی محتوای صفحه وب تمرکز می کنیم ، جایی که هنوز جایی برای تحقیق برای مطالعه ویژگی های ساختاری ، محتوا و متن برای ارزیابی اعتبار صفحات وب وجود دارد.بنابراین ، این کار با هدف بررسی اثربخشی چنین ویژگی هایی در ارتباط با یک مدل یادگیری عمیق ، با شروع از بازنمایی تعبیه شده از صفحات وب که اخیراً در زمینه تشخیص صفحه وب فیشینگ ، یعنی Web2VEC ارائه شده است ، آغاز می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.