13910

بررسي تشخيص شايعه خبري در شبكه هاي اجتماعي

1402

عين الله خنجري

شبكه هاي اجتماعي ساختاري هستند كه افراد مختلف در آن حضور دارند و ميتوانند با همديگر ارتباط برقرار كنند به همين دليل مفهوم ارتباط اهميت زيادي پيدا ميكند و تحليل شبكه و ساختار آن مطرح ميشود. شبكه هاي اجتماعي روز به روز در حال توسعه هستند و حجم زيادي از پيام ها ميان كاربران مبادله ميشود. بررسي صحت پيام ها و اخبار موجود يكي از مسائل چالشي و مهم جوامع امروزي است. درواقع اين احتمال وجود دارد كه اطلاعات نادرست در شبكه پخش گردد و منجر به شكل گيري شايعه شود و آسيب هاي مخربي در پي داشته باشد. براي مقابله با شايعه خبري، ميتوان از دو دريچه مختلف به مسئله نگاه كرد. اول، اينكه بر روي متون تمركز كرد و از ارتباط بين كلمات موجود در متن، شايعه را شناسايي كرد. دوم اينكه ميتوان ارتباط هايي بين افرادي كه خبري را عنوان كرده اند و در شبكه پخش كرده اند در نظر گرفت و از روي ساختار گرافي، افراد و گروه هايي را شناسايي كرد كه شايعه از آنجا نشات ميگيرد. براي شناسايي شايعه در شبكه هاي اجتماعي، رويكردهاي سنتي زيادي مطرح ميشوند كه از روي مفاهيم و معيارهاي ساختاري گراف نتايجي به دست مي آورند و يا از رده بندهايي استفاده مي كنند. اما اينگونه روش ها از كارايي خوبي برخوردار نيستند، يا دقت خوبي ندارند و يا تعميم پذير نيستند. در ادامه، تلاش هايي براي نحوه بازنمايي گراف جهت استفاده آن در شبكه هاي عصبي صورت گرفته و از شبكه هاي عصبي گرافي استفاده ميشود. روش جديدتري كه بيان ميشود استفاده از ايده شبكه عصبي بازگشتي است. در برخي از مسائل، دنباله ورودي و خروجي يكسان نيستند و همچنين نياز داريم كه اطلاعات زمينه اي و پيشين را ذخيره كنيم تا از آنها به درستي استفاده شود. شبكه عصبي بازگشتي داراي حافظه داخلي است و ماهيت بازگشتي دارد و براي چنين مسائلي كه ترتيب كلمات موجود در متون اخبار و ارتباط بين آنها مهم است كاربرد دارد. توانايي استفاده از اطلاعات گذشته و همچنين مقاوم بودن در برابر داده ها با ورودي هاي متغير، از مزاياي ديگر اينگونه شبكه ها است.

10/2/2024 12:00:00 AM

84201

1403/07/27

Study on Diagnosis of Rumor News on Social Networks

شايعه , شبكه هاي اجتماعي , يادگيري عميق , محتواي چندرسانه اي , تحليل متن , انتشار اطلاعات , تحليل شبكه

rumor , social media , deep learning , multi-media content , text analysis , information propagation , network analysis