كشف عمولات الديب فايك على وسائل التواصل الاجتماعي: الاستفادة من التعلم العميق وFastText للتمييز بين التغريدات التي أنتجتها الآلات

تقدم التطورات الأخيرة في إنتاج اللغة الطبيعية أداة إضافية للتلاعب بالرأي العام على وسائل التواصل الاجتماعي. علاوة على ذلك، لقد عززت التقدمات في نمذجة اللغة القدرات النظرية للنماذج العصبية العميقة، مما يمكنها من تحسين مهاراتها في إنتاج المحتوى. ونتيجة لذلك، أصبحت نماذج إنتاج النصوص أكثر قوة مما يسمح للخصوم باستخدام هذه القدرات اللافتة لتعزيز الروبوتات الاجتماعية، مما يمكنها من إنتاج منشورات ديب فايك واقعية والتأثير على النقاش بين الجمهور العام. لمعالجة هذه المشكلة، من المهم تطوير طرق موثوقة ودقيقة للكشف عن رسائل ديب فايك على وسائل التواصل الاجتماعي. في هذا السياق، تتناول الأبحاث الحالية تحديد النصوص التي تم إنشاؤها بواسطة الآلات على الشبكات الاجتماعية مثل تويتر. في هذه الدراسة، تم استخدام نموذج تعلم عميق بسيط بالاشتراك مع تمثيلات الكلمات لتصنيف التغريدات ككلمات بشرية أو مولدة بواسطة الروبوتات باستخدام مجموعة بيانات Tweepfake المتاحة للجمهور. تم تصميم بنية شبكة عصبية تلافيفية تقليدية (CNN)، مستفيدة من تمثيلات كلمات FastText، للقيام بمهمة تحديد التغريدات المولدة بالديب فايك. لإظهار الأداء الفائق للطريقة المقترحة، استخدمت هذه الدراسة نماذج تعلم الآلة مختلفة كنماذج أساسية للمقارنة. استخدمت هذه الأساليب الأساسية ميزات متنوعة، بما في ذلك تكرار المصطلحات، تكرار المصطلحات-تكرار الوثائق المعكوس، FastText، وتمثيلات الكلمات الفرعية لـ FastText. علاوة على ذلك، تم أيضًا مقارنة أداء الطريقة المقترحة مع نماذج التعلم العميق الأخرى مثل الذاكرة قصيرة وطويلة الأمد (LSTM) وCNN-LSTM، مما يظهر الفعالية ويسلط الضوء على مزاياها في معالجة المهمة المعنية بدقة. تشير النتائج التجريبية إلى أن التصميم المبسط لبنية CNN، إلى جانب استخدام تمثيلات FastText، سمح بتصنيف فعال وفعال لبيانات التغريدات بدقة فائقة تصل إلى 93%.