شهلا موسوی - دانشجوی دکترای دانشگاه آزاداسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران
فرساد زمانی بروجنی - استادیار گروه فنی و مهندسی دانشگاه آزاداسلامی،واحداصفهان (خوراسگان)، اصفهان، ایران

انفجار شبکه های اجتماعی به افراد اجازه می داد بدون کمترین هزینه و بدون فیلتر کردن اطلاعات، اطلاعات را بدون هزینهقبلی منتشر کنند. این مسئله مشکل قدیمی اخبار جعلی را تقویت کرد ، که امروزه به دلیل تاثیر منفی که بر جوامع ایجاد میکند ، به یک نگرانی عمده تبدیل شده است. به منظور مقابله با ظهور و انتشار اخبار جعلی، روش های تشخیص خودکار براساسهوش مصنوعی و یادگیری ماشین تحقیق شده است. دستاوردهای اخیر تکنیک های یادگیری عمیق در کارهای پیچیده پردازشزبان طبیعی ، آنها را به یک راه حل امیدوار کننده برای کشف اخبار جعلی نیز تبدیل کرده است. این مقاله یک مدل جدیدیادگیری عمیق ترکیبی را پیشنهاد می کند که شبکه های عصبی کانولوشن بر اساس یادگیری عمیق برای طبقه بندی اخبارجعلی است. این مدل با موفقیت بر روی دو مجموعه داده اخبار جعلی تایید شد و به نتایج ردیابی که از سایر روشهای پایه غیرترکیبی به مراتب بهتر هستند ، دست یافت. آزمایشات بیشتر در مورد تعمیم مدل پیشنهادی در مجموعه داده های مختلف،نتایج امیدوار کننده ای به همراه داشت.

تشخیص، اخبار جعلی، هوش مصنوعی، شبکه عصبی کانولوشن، یادگیری عمیق