شناسایی اخبار جعلی در شبکه‌های اجتماعی بر اساس پردازش زبان طبیعی: روندها و چالش‌ها

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 54

تعداد کلمات : 17000

مجله : information

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : Bنازنین 12

تاریخ انتشار
20 دسامبر 2023
دسته بندی
تعداد بازدیدها
2762 بازدید
93,000 تومان

عنوان فارسی مقاله:شناسایی اخبار جعلی در شبکه‌های اجتماعی بر اساس پردازش زبان طبیعی: روندها و چالش‌ها

چکیده

  انتشار همه گیر اخبار جعلی، بر خلاف رسانه‌های جمعی سنتی مانند روزنامه‌ها، مجلات، رادیو و تلویزیون، یکی از عوارض جانبی گسترش شبکه‌های اجتماعی برای پخش اخبار است. ناکارآمدی انسان در تمایز بین حقایق واقعی و نادرست، اخبار جعلی را به عنوان تهدیدی برای حقیقت منطقی، دموکراسی، روزنامه نگاری و اعتبار در نهادهای دولتی آشکار می‌کند. در این مقاله، روش‌هایی را برای پیش‌پردازش داده‌ها در زبان طبیعی، برداری، کاهش ابعاد، یادگیری ماشین و ارزیابی کیفیت بازیابی اطلاعات بررسی می‌کنیم. ما همچنین شناسایی اخبار جعلی را زمینه سازی می‌کنیم و درباره ابتکارات و فرصت‌های تحقیقاتی بحث می‌کنیم.

 

 

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Identifying Fake News on Social Networks Based on Natural Language Processing: Trends and Challenges

 

Abstract

 The epidemic spread of fake news is a side effect of the expansion of social networks to circulate news, in contrast to traditional mass media such as newspapers, magazines, radio, and television. Human inefficiency to distinguish between true and false facts exposes fake news as a threat to logical truth, democracy, journalism, and credibility in government institutions. In this paper, we survey methods for preprocessing data in natural language, vectorization, dimensionality reduction, machine learning, and quality assessment of information retrieval. We also contextualize the identification of fake news, and we discuss research initiatives and opportunities.