28923

رويكردي مبتني بر تحليل احساسات براي تشخيص اخبار جعلي حوزهي سلامت در اينترنت (بررسي موردي دادههاي كوويد-19)

كارشناسي ارشد

مهندسي كامپيوتر

1399

1402/04/31

دكتر عين اله خنجري ميانه

مهندسي كامپيوتر

كوويد-19 به دليل سرعت انتقال آن در بين افراد و افزايش چشمگير تعداد مبتلايان به اين بيماري در سراسر جهان باعث نگراني شده است. در نتيجه، تعداد افرادي كه از طريق رسانه‌هاي اينترنتي به دنبال اطلاعات درباره اين بيماري همه‌گير هستند، افزايش يافته است. هيجان و نگراني باعث ميشود مردم اخبار مربوط به بيماري كوويد-19 را باور كنند و بدون ترديد در صحت، آن را به اشتراك بگذارند. در نتيجه به علت منتشر شدن اطلاعات نادرست درباره اين بيماري، اثرات مخرب آن بر جامعه و دولت‌ها بيشتر شده است. در اين پژوهش، پس از جمع‌آوري 4400 داده فارسي از شبكه اجتماعي توئيتر با استفاده از API و پس از برچسب زدن مجموعه داده با دو برچسب با عنوان احساس پيام (مثبت، منفي، خنثي) و نوع پيام (واقعي، جعلي) رويكردي مبتني بر پردازش زبان طبيعي براي تشخيص اخبار جعلي در طول دوره كوويد-19 ارائه مي‌شود. اين پژوهش يك رويكرد با تركيب مدلسازي موضوعي و تحليل احساسات و ترنسفورمر ParsBERT براي تشخيص اخبار جعلي كوويد-19 به زبان فارسي ارائه ميكند. رويكرد پيشنهادي، بهترين نتيجه را با دقت 92 درصد، ارائه مي‌دهد. ساير رويكردهاي ارائه شده تنها با استفاده از متن پيام و يا تنها يك ويژگي مبتني بر محتوا به بررسي جعلي بودن اخبار مي‌پرداختند اما در رويكرد پيشنهادي علاوه بر متن پيام از چند ويژگي به همراه ويژگيهاي مبتني بر محتوا همچون تحليل احساسات و مدل‌سازي موضوعي براي بررسي جعلي بودن پيام استفاده مي‌شود و در نهايت سرويسي به زبان فارسي براي تشخيص اخبار جعلي كوويد-19 ساخته مي‌شود.

1402/07/30

Sentiment Analysis-based Approach for Detecting Fake News in the Healthcare Domain on the Internet: A Case Study of COVID-19 Data

7/21/2024 12:00:00 AM

COVID-19 has raised concerns due to its rapid transmission among people, resulting in a significant increase in cases worldwide. Consequently, there has been a surge in individuals seeking information about this pandemic through online media platforms. Heightened emotions and concerns have led people to believe and unquestionably share everything related to the disease. As a result, misinformation about COVID-19 has been amplified on social networks, causing undesirable effects on the general public and governments. In this research, we present a novel approach for detecting fake news during the COVID-19 pandemic. We collected 4,400 Persian tweets from the social network Twitter using an API. The dataset is categorized based on the sentiment of the message (positive, negative, neutral) and the type of message (fake, non-fake). Our approach combines topic modeling, sentiment analysis, and the transformer model PARSBERT to detect fake COVID-19 news in the Persian language. The proposed method achieved the best results with an accuracy of 92%. Unlike previous approaches that solely relied on message text or a single content-based feature to assess news authenticity, our approach incorporates multiple content-based features, including sentiment analysis and topic modeling, in addition to the message text. Ultimately, we developed a Persian service for detecting fake COVID-19 news.

اخبار جعلي , كوويد-19 , پردازش زبان طبيعي , تحليل احساسات , پارسبرت

Fake news , Covid-19 , Natural Language Processing , Sentiment analysis , ParsBERT

Razieh Bahmanyar

Eynollah Khanjari