کاربرد هوش‎ مصنوعی در تشخیص اخبار جعلی

همزمان با توسعه اینترنت، ظهور و پذیرش گسترده مفهوم رسانه‌های اجتماعی، نحوه شکل‏گیری و انتشار اخبار را تغییر داده است. اخبار سریع‌تر، کم‌هزینه‌تر و به راحتی با رسانه‌های اجتماعی قابل دسترسی هستند. این تغییر با معایبی نیز همراه بوده است. به ویژه، محتوای فریبنده، مانند اخبار جعلی ساخته شده توسط کاربران رسانه‌های اجتماعی، به‌طور فزاینده‌ای خطرناک می‌شود. هدف اصلی این مقاله ارائه راه‎حلی برای چالش تشخیص تفاوت بین اخبار واقعی و جعلی است. این مقاله از نظر هدف کاربردی است و از نظر شیوه اجرا، گردآوری و تحلیل داده‏ها پژوهشی کمی است، که با انتخاب دو مجموعه داده مجموعه داده منبع باز از وب‎گاه کگل در سال 2024 (به‌عنوان جامعه آماری) و پیش‎پردازش این مجموعه داده با استفاده از سامانه رپیدماینر و بکارگیری ماتریس درهم‏ریختگی مبتنی بر پنج مدل یادگیری ماشین نظارت شده، مدل سازی و اجرا شده است. در این مقاله پس از تجزیه و تحلیل داده‌ها و محاسبه معیارهای ارزیابی صحت، یادآوری، دقت و امتیازf1 (میانگین همساز) و مقایسه نتایج مشخص گردید که مدل یادگیری ماشین جنگل تصادفی در معیارهای صحت و دقت به ترتیب با 98.3 درصد و 97.9 درصد و مدل یادگیری تقویت گرادیان در محاسبه معیارهای امتیاز f1 و یادآوری به ترتیب با 97.7 درصد و 98.7 درصد بهترین نتیجه در تشخیص اخبار جعلی دارند.