Key points are not available for this paper at this time.
غيرت الشبكات الاجتماعية بشكل جذري كيفية حصول الناس على المعلومات. الأخبار في الشبكات الاجتماعية مصحوبة بالصور والفيديوهات وبالتالي تنال المزيد من الانتباه من القراء مقارنة بالمصادر التقليدية. للأسف، غالبًا ما يستغل ناشرو الأخبار المزيفة هذه المزايا لنشر معلومات كاذبة بسرعة. لذلك، فإن الكشف المبكر عن الأخبار المزيفة أمر بالغ الأهمية. أفضل طريقة لمعالجة هذه المشكلة هي تصميم كاشف تلقائي يعتمد على محتوى الأخبار المزيفة. حتى الآن، تم اقتراح العديد من أنظمة التعرف على الأخبار المزيفة، بما في ذلك نماذج التعلم الآلي التقليدي والتعلم العميق. نظرًا لأن طرق استخراج الميزات اليدوية تستغرق وقتًا طويلاً، فإن طرق التعلم العميق هي الأدوات المفضلة. هدف هذه الدراسة هو تعزيز أداء الأساليب الحالية من خلال استخدام تجمع من المتعلمين العميقين استنادًا إلى آليات الانتباه. إلى حد كبير، يعتمد نجاح نموذج التجميع على تنوع المتعلمين. ولهذا الغرض، نقترح دالة خسارة جديدة تجبر كل متعلم على الانتباه إلى أجزاء مختلفة من محتوى الأخبار من ناحية والحصول على دقة تصنيف جيدة من ناحية أخرى. أيضًا، يتم بناء المتعلمين على مستخرج ميزات عميق مشترك ويختلفون فقط في وحدات الانتباه الخاصة بهم. ونتيجة لذلك، يتم تقليل عدد المعلمات بكفاءة ويتم معالجة مشكلة الإفراط في التوافق. قمنا بإجراء عدة تجارب على بعض مجموعات بيانات الكشف عن الأخبار المزيفة المستخدمة على نطاق واسع. تؤكد النتائج أن الطريقة المقترحة تتفوق باستمرار على الأساليب النظيرة الحالية.
درس عبيد وآخرون (السبت) هذا السؤال.