بناء مجموعات بيانات كبيرة الحجم تحتوي على معلومات مضللة من مناقشات وسائل التواصل الاجتماعي باستخدام تحسين التسميات

أدت الحسابات الخبيثة التي تنشر المعلومات المضللة إلى انتشار روايات خاطئة ومضللة في الآونة الأخيرة، خاصة خلال جائحة كوفيد-19، وتعاني منصات وسائل التواصل الاجتماعي من صعوبة إزالة هذه المحتويات بسرعة. ويرجع ذلك إلى أن التكيف مع المجالات الجديدة يتطلب تحققًا مكثفًا من الحقائق يعتمد على الإنسان، وهو أمر بطيء وصعب التوسع. لمعالجة هذا التحدي، نقترح الاستفادة من تسميات مصداقية مصادر الأخبار كعلامات ضعيفة لمشاركات وسائل التواصل الاجتماعي ونقترح تحسين التسميات المسترشد من النموذج لبناء مجموعات بيانات كبيرة ومتنوعة تحمل علامات للمعلومات المضللة في مجالات جديدة. يمكن أن تكون العلامات الضعيفة غير دقيقة على مستوى المقالة أو مستوى مشاركة وسائل التواصل الاجتماعي حيث لا يتوافق موقف المستخدم مع مصداقية مصدر الأخبار أو المقالة. نقترح إطار عمل لاستخدام نموذج كشف تم تدريبه ذاتيًا على العلامات الضعيفة الأولية مع أخذ عينات عدم اليقين بناءً على الانتروبيا في تنبؤات النموذج لتحديد العلامات المحتملة غير الدقيقة وتصحيحها باستخدام الإشراف الذاتي أو إعادة التصنيف. سيشمل الإطار السياق الاجتماعي للمشاركة من حيث مجتمع مستخدمها المرتبط للبحث عن العلامات غير الدقيقة لبناء مجموعة بيانات كبيرة بأقل جهد بشري. لتوفير مجموعات بيانات مصنّفة مع تمييز الروايات المضللة حيث قد تكون المعلومات مفقودة في سياقها الهام أو تحتوي على تفاصيل جانبية غير دقيقة، سيستخدم الإطار المقترح عددًا قليلاً من العينات المصنفة كنماذج للفئات لفصل العينات عالية الثقة إلى زائفة، غير مثبتة، خليط، زائفة في الغالب، صحيحة في الغالب، صحيحة، ومعلومات مُفنَدة. تم عرض النهج لتوفير مجموعة بيانات كبيرة من المعلومات المضللة حول لقاحات كوفيد-19.