ترجمه فارسی مقاله MAPX: یک چارچوب مدل قابل توضیح برای تشخیص اطلاعات دروغین در شبکه های رسانه های اجتماعی

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 MAPX: An explainable model-agnostic framework for the detection of false information on social media networks
عنوان مقاله به فارسی MAPX: یک چارچوب مدل قابل توضیح برای تشخیص اطلاعات دروغین در شبکه های رسانه های اجتماعی
نویسندگان Sarah Condran, Michael Bewong, Selasi Kwashie, Md Zahidul Islam, Irfan Altas, Joshua Condran
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Social and Information Networks,Computation and Language,Machine Learning,شبکه های اجتماعی و اطلاعاتی , محاسبات و زبان , یادگیری ماشین ,
توضیحات Submitted 12 September, 2024; originally announced September 2024. , Comments: 16 pages, 5 figures
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 16 صفحه ، 5 شکل
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

The automated detection of false information has become a fundamental task in combating the spread of "fake news" on online social media networks (OSMN) as it reduces the need for manual discernment by individuals. In the literature, leveraging various content or context features of OSMN documents have been found useful. However, most of the existing detection models often utilise these features in isolation without regard to the temporal and dynamic changes oft-seen in reality, thus, limiting the robustness of the models. Furthermore, there has been little to no consideration of the impact of the quality of documents' features on the trustworthiness of the final prediction. In this paper, we introduce a novel model-agnostic framework, called MAPX, which allows evidence based aggregation of predictions from existing models in an explainable manner. Indeed, the developed aggregation method is adaptive, dynamic and considers the quality of OSMN document features. Further, we perform extensive experiments on benchmarked fake news datasets to demonstrate the effectiveness of MAPX using various real-world data quality scenarios. Our empirical results show that the proposed framework consistently outperforms all state-of-the-art models evaluated. For reproducibility, a demo of MAPX is available at \href{https://github.com/SCondran/MAPX_framework}{this link}

چکیده به فارسی (ترجمه ماشینی)

تشخیص خودکار اطلاعات دروغین به یک کار اساسی در مبارزه با گسترش "اخبار جعلی" در شبکه های رسانه های اجتماعی آنلاین (OSMN) تبدیل شده است زیرا این امر نیاز به تشخیص دستی توسط افراد را کاهش می دهد.در ادبیات ، استفاده از محتوای مختلف یا ویژگی های متن اسناد OSMN مفید است.با این حال ، بسیاری از مدل های تشخیص موجود اغلب از این ویژگی ها در انزوا بدون توجه به تغییرات زمانی و پویا در واقعیت استفاده می کنند ، بنابراین ، استحکام مدل ها را محدود می کند.علاوه بر این ، در مورد تأثیر کیفیت ویژگی های اسناد بر اعتماد به نفس پیش بینی نهایی ، کمی توجه نشده است.در این مقاله ، ما یک چارچوب جدید مدل-آگنوستیک به نام MAPX را معرفی می کنیم ، که امکان جمع آوری پیش بینی های مبتنی بر شواهد از مدلهای موجود را به روشی قابل توضیح فراهم می کند.در واقع ، روش جمع آوری توسعه یافته تطبیقی ​​، پویا است و کیفیت ویژگی های سند OSMN را در نظر می گیرد.علاوه بر این ، ما آزمایش های گسترده ای را در مورد مجموعه داده های خبری جعلی معیار انجام می دهیم تا اثربخشی MAPX را با استفاده از سناریوهای مختلف کیفیت داده در دنیای واقعی نشان دهیم.نتایج تجربی ما نشان می دهد که چارچوب پیشنهادی به طور مداوم از همه مدل های پیشرفته ارزیابی شده بهتر است.برای تکرارپذیری ، نسخه ی نمایشی MAPX در \ href {https://github.com/scondran/mapx_framework} {این لینک} در دسترس است

📚 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.