تشخیص اخبار جعلی توسط هوش مصنوعی

اخبار جعلی و اطلاعات نادرست چالش های بزرگ انواع رسانه ها به ویژه رسانه های اجتماعی است. همانطور که شبکه های اجتماعی بزرگی مانند فیس بوک و توییتر اعتراف کردند، بسیاری از اطلاعات نادرست، لایک های جعلی، بازدیدها و حساب های تکراری وجود دارد. اکثر اطلاعاتی که در رسانه های اجتماعی ظاهر می شوند مشکوک و در برخی موارد گمراه کننده هستند. آنها باید هر چه سریعتر شناسایی شوند تا از تاثیر منفی بر جامعه جلوگیری شود. ابعاد مجموعه داده های اخبار جعلی به سرعت در حال رشد است، بنابراین برای به دست آوردن نتیجه بهتر از تشخیص اطلاعات نادرست با زمان محاسبات و پیچیدگی کمتر، ابعاد باید کاهش یابد، که توسط انتخاب ویژگی انجام می شود. هدف این تکنیک انتخاب یک زیرمجموعه ویژگی از مجموعه اصلی برای بهبود عملکرد طبقه‌بندی است. در این مقاله، انتخاب ویژگی توسط الگوریتم کلونی مورچه استفاده شده و سپس اخبار بر اساس زیر مجموعه ویژگی نهایی با استفاده از نروفازی طبقه‌بندی می‌شوند. روش پیشنهادی با مقایسه عملکرد آن با سایر روشها در مجموعه داده buzzfeed ارزیابی شد و نتیجه طبقه‌بندی و تشخیص تا حد بسیار زیادی بهبود یافته است. همچنین دقت طبقه بندی به دلیل حذف ویژگی های اضافی و کاهش ابعاد مجموعه داده ها افزایش یافته است.