تشخیص اخبار جعلی با استفاده از ترکیب احتمالاتی دو الگوریتم ماشین بردار پشتیبان و جنگل تصادفی

هدف اصلی این پژوهش، توسعه و ارائه یک روش نوین و بهبود یافته برای تشخیص خبرهای جعلی و هایپرپارتیزانی در شبکه های اجتماعی و منابع خبری آنلاین است. این مقاله سعی دارد تا با استفاده از ترکیب مدل های یادگیری ماشینی، به طور دقیق تر و کارآمدتر، خبرهایی که ممکن است ترویج دهنده نظرات تعصبی و جعلی باشند را شناسایی کرده و از خبرهای واقعی تمیز دهد و با استفاده از روش های یادگیری ماشینی و الگوریتم های ترکیبی، محتوای جعلی و تقلبی را در شبکه های اجتماعی تشخیص دهد تا افراد بتوانند با اطمینان بیشتری از اطلاعات موجود در این شبکه ها استفاده کنند و از تاثیرات مخرب آلودگی اطلاعات در محیط مجازی جلوگیری کنند. بنابراین، مساله مهمی که در این مقاله مورد بررسی و رسیدگی قرار می گیرد، تشخیص محتوای جعلی و تقلبی در شبکه های اجتماعی است. این مساله به طور خاص از اهمیت ویژه ای در افزایش اعتماد کاربران به محتوای منتشر شده در این شبکه ها برخوردار است.