Key points are not available for this paper at this time.
كشف وتوقع الأخبار الزائفة هو قضية بحثية حاسمة في الوقت الحاضر لأنه من الصعب جداً معرفة مدى مصداقية الأخبار على وسائل التواصل الاجتماعي. وله تأثير مدمر على المجتمعات والمؤسسات الديمقراطية حيث أن الحياة على الإنترنت في هذه الأيام هي واحدة من النقاط الساخنة الرئيسية للأخبار للعديد من الأفراد حول العالم بسبب جهدها المحدود، والوصول السهل، وانتشار الأخبار غير المصرح بها بسرعة. ومع ذلك، فإن الطرق القابلة للقياس للتعامل مع محاربة الأخبار الزائفة قد تقيّدت بشكل كبير بسبب نقص مجموعات بيانات مرجعية مصنفة. تُستخدم مصنّفات التعلم الآلي الذكية لحل مشكلة توقع وتصنيف الأخبار الزائفة. تعمل الدراسة البحثية المقترحة على مجموعة بيانات LIAR، وهي مجموعة بيانات مفتوحة المصدر متاحة لتصنيف الأخبار الزائفة تحتوي على 12.8 ألف بيان قصير مدرج يدويًا على مدى عقد من الزمن في سياقات متنوعة. لقد استخدمت الدراسة البحثية المقترحة نهجًا مبتكرًا للتعامل مع توقع الأخبار الزائفة بدقة وهذه الطريقة تتفوق في هذا السيناريو لنفس مجموعة البيانات. يتم استخدام مصنّف نايف بايز للتصنيف لتقليل قيم التباين في مجموعة البيانات للتخلص من مشكلة التخصيص المفرط. يُظهر هذا المصنّف نتائج محسّنة أكثر من المصنّفات السابقة الأخرى وكانت قيمة الدقة 99%. أجرت الدراسة البحثية المقترحة تجارب وقيمت من خلال مقاييس تقييم مختلفة، وكانت نتائج الدقة بالنسبة لنايف بايز الأفضل مقارنةً بغابة عشوائية، وشجرة القرار، والشبكات العصبية تم حسابها لكل خوارزمية. يمكن تطبيق الدراسة البحثية المقترحة في تطبيقات الوقت الحقيقي للتعامل مع توقع الأخبار الزائفة في وسائل التواصل الاجتماعي ومنصات الإعلام الرقمي.
دراسة موسى وقام (Mon،) بدراسة هذا السؤال.