موضوع : متن کامل پایان نامه انگلیسی : شناسایی خودکار اخبار جعلی توسط نمودار دانش با پردازش زبان طبیعی و یادگیری عمیق
رشته : کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار – هوش مصنوعی – رسانه
سال انتشار : 2021
زبان : انگلیسی
مقطع : کارشناسی
چکیده (ترجمه ماشینی ) :
طی چند سال گذشته اطلاعات نادرست آنلاین ، که عموماً به آنها اخبار جعلی گفته می شود ، به عنوان تهدیدی به طور فزاینده خطرناک شناخته شده است. همانطور که گسترش اطلاعات نادرست در اینترنت افزایش یافته است ، شناسایی اخبار جعلی به یک خط تحقیقاتی فعال تبدیل شده است. یک روش استفاده از نمودارهای دانش برای شناسایی خودکار اخبار جعلی است. در حالی که نمودارهای دانش مقیاس بزرگ به طور آشکار در دسترس هستند ، اما به ندرت به روز می شوند ، و اغلب اطلاعات مربوطه را برای کار در شناسایی اخبار جعلی از دست می دهند. ایجاد نمودارهای دانش جدید از منابع آنلاین ، یکی از راه های کسب اطلاعات از دست رفته است. با این حال استخراج اطلاعات از متن بدون ساختار بسیار ساده نیست. با استفاده از تکنیک های پردازش زبان طبیعی ، ما خط تولید پیش پردازشی برای استخراج اطلاعات از متن به منظور ایجاد نمودارهای دانش ایجاد کردیم. به منظور طبقه بندی اخبار به عنوان جعلی یا جعلی نبودن با استفاده از نمودارهای دانش ، این موارد باید به یک قالب قابل فهم ماشین تبدیل شوند ، به نام تعبیه های نمودار دانش. این تعبیه ها همچنین اجازه می دهد اطلاعات جدید براساس اطلاعات موجود در نمودار دانش استنباط یا طبقه بندی شود. تنها یک مدل تعبیه شده نمودار دانش قبلاً به منظور کشف اخبار جعلی مورد استفاده قرار گرفته است در حالی که چند مدل جدید اخیراً تولید شده است. ما عملکرد سه مدل مختلف تعبیه شده را که همگی متکی به معماری های مختلف بنیادی هستند ، در زمینه خاص تشخیص اخبار جعلی مقایسه می کنیم. مدل های مورد استفاده مدل هندسی TransE ، مدل تجزیه تانسور ComplEx و مدل یادگیری عمیق ConvKB بودند. نتایج این مطالعه نشان می دهد که از بین سه مدل ، ConvKB بهترین عملکرد را دارد. با این حال ، جنبه های دیگری غیر از عملکرد باید در نظر گرفته شود و به همین ترتیب این نتایج لزوماً به معنای مناسب ترین روش برای یادگیری اخبار جعلی در دنیای واقعی نیست.
