فهرس المقالات Fake news

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - روش‌های شناسایی اخبار جعلی: مطالعه مروری سیستماتیک
  کریم شعبانی علی گرانمایه پور شهناز هاشمی
  10.30495/mediastudies.2022.64136.1422
  مقدمه: اخبار جعلی با توجه به دسترسی افراد به شبکه‌های اجتماعی و پلتفرم‌هایی که از قابلیت نظارت مستقیم برخوردار نیستند، روز به روز در حال گسترش است. در نتیجه دانستن شیوه‌های تشخیص یک خبر جعلی می‌تواند گامی مؤثر را در کاهش این گونه تأثیرگذاری‌ها داشته باشد. روش پژوهش: در أکثر

  مقدمه: اخبار جعلی با توجه به دسترسی افراد به شبکه‌های اجتماعی و پلتفرم‌هایی که از قابلیت نظارت مستقیم برخوردار نیستند، روز به روز در حال گسترش است. در نتیجه دانستن شیوه‌های تشخیص یک خبر جعلی می‌تواند گامی مؤثر را در کاهش این گونه تأثیرگذاری‌ها داشته باشد. روش پژوهش: دراین مطالعه مرور سیستماتیک، مقاله حاصل از پژوهش‌های انجام شده با موضوع شناسایی اخبار جعلی در جهان در دوره‌ی زمانی 2015 تا 2020 در مجلات معتبر علمی و پژوهشی داخلی و خارجی منتشر شده و در بانک‌های اطلاعاتی داخلی و بین‌المللی جمع‌آوری شد. در نهایت با اعمال معیار‌های ورود و خروج 43 مقاله مورد بررسی قرار گرفت. یافته‌ها: با استفاده از مطالعات انجام شده مقالات در دو دسته کلی طبقه‌بندی شد: 1- روش شناسایی انسانی، 2- روش شناسایی خودکار یا ماشینی. شاخص‌های ارائه شده در مورد موضوع و پیشرفت‌های حاصل شده در این زمینه، باز نیز حاکی از ضعف بسیاری در شناخت اخبار جعلی دارد. از یک سو مدل‌های ماشینی که از پایگاه داده استفاده می‌کنند، نمی‌توان مدلی را ارائه داد که در فضای واقعی به درستی عمل نماید و از سوی دیگر استفاده از روش‌های انسانی بسیار زمان‌بر است. نتیجه‌گیری: به نظر می‌رسد هنوز ضعف در تشخیص وجود دارد و در بسیاری از موارد مواجه با فضای واقعی خوب عمل نشده است، با این حال در سال‌های اخیر شبکه اجتماعی توئیتر بسیار بهتر از دیگر شبکه‌ها عمل کرده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Detected Source-based fake news via Word2vec algorithm
  Hamid Sharifi Heris Jafar Sheykhzadeh
  today and regarding the increase of social media platforms and the people welcoming these networks has led to share different data throughout the world without the confirmation by the platforms. This has increased the incorrect data frequency and has had great effects o أکثر

  today and regarding the increase of social media platforms and the people welcoming these networks has led to share different data throughout the world without the confirmation by the platforms. This has increased the incorrect data frequency and has had great effects on political, economic, and social fields. such incorrect data are called fake news. This has changed into one of the topical issues in today’s society. Through the proposal of an appropriate solution and first through analyzing the news resources in the dataset called BuzzfeedNews, we have concluded that websites with better fames propagate less fake news. We changed the data into vector using Word2vec and investigated the similarity of the taught data and the tagged data in the dataset and got the least precision amounting to 0.60 and the highest precision amounting to 0.94 out of 1 and the results showed that our algorithm has been very helpful in discovering the qualified news. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Fake News Detection Using Feature Extraction, Resampling Methods, and Deep Learning
  Mirmorsal Madani Homayun Motameni Hosein Mohamadi
  The production of fake news were practiced even before the advent of the internet. However, with the development of the internet and traditional media giving way to social media, the growing and unstoppable process of making and spreading this kind of news have become a أکثر

  The production of fake news were practiced even before the advent of the internet. However, with the development of the internet and traditional media giving way to social media, the growing and unstoppable process of making and spreading this kind of news have become a widespread concern. Fake news by disrupting the proper flow of information and deluding public opinion, potentially causes serious problems in society. Therefore, it is necessary to detect such news, which is associated with some challenges. These challenges may be related to various issues such as datasets, events, or audiences. Lack of sufficient information about news samples, or an imbalance are the main problems in some of these datasets, which will be addressed in this paper. In the proposed model, firstly the key features in relevant datasets will be extracted to increase information about news samples. After that, using the K-nearest neighbors, a genetic, and TomekLink algorithms as the cleaning techniques, as well as designing a Generative Adversarial network, as a technique for generating synthetic data, three novel methods in the area of hybrid resampling will be presented to balance these datasets. The presented methods cause a significant increase in the performance of the deep learning algorithms to detect fake news. تفاصيل المقالة