شبكة عصبية عميقة هجينة فعاله لاكتشاف الاخبار العربية المزيفة
محتوى المقالة الرئيسي
الملخص
في الآونة الأخيرة ، اكتسبت ظاهرة انتشار الأخبار الكاذبة أو المعلومات المضللة في معظم المجالات صدى واسعًا في المجتمعات. إن مكافحة هذه الظاهرة و اكتشاف المعلومات المضللة يدويًا أمر ممل إلى حد ما و يستغرق وقتًا طويلاً و غير عملي. لذلك من الضروري الاعتماد على مجالات الذكاء الاصطناعي لحل مثل هذه المشكلة. على هذا النحو ، تهدف هذه الدراسة إلى استخدام تقنيات التعلم العميق للكشف عن الأخبار العربية المزيفة بناءً على مجموعة بيانات عربية تسمى مجموعة بيانات AraNews. تحتوي مجموعة البيانات هذه على مقالات إخبارية تغطي مجالات متعددة مثل السياسة و الاقتصاد و الثقافة و الرياضة و غيرها. تم اقتراح شبكة عصبية عميقة هجينة لتحسين الدقة. تركز هذه الشبكة على خصائص كل من الشبكة العصبية الالتفافية المعتمدة على النص (Text-CNN) و بنية الذاكرة طويلة - قصيرة المدى (LSTM) لإنتاج نموذج هجين و فعال. يتم استخدام Text-CNN لتحديد الميزات ذات الصلة ، في حين يتم تطبيق LSTM للتعامل مع تبعية التسلسل على المدى الطويل. أظهرت النتائج أنه عند التدريب الفردي ، تفوق النموذج المقترح على كل من Text-CNN و LSTM. تم استخدام الدقة كمقياس لجودة النموذج ، حيث بلغت دقة الشبكة العصبية العميقة الهجينة (0.914) ، في حين كانت دقة كل من Text-CNN و LSTM هو (0.859) و (0.878) على التوالي. علاوة على ذلك ، فإن نتائج نموذجنا المقترح أفضل مقارنةً بالعمل السابق الذي استخدم نفس مجموعة البيانات (مجموعة بيانات AraNews).
Received 15/5/2022, Accepted 7/8/2022, Published Online First 20/1/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Aljwari F, Alkaberi W, Alshutayri A , Aldhahri E, Aljojo N, Abouola O. Multi-scale Machine Learning Prediction of the Spread of Arabic Online Fake News. Postmodern Openings. 2022; 13: 1-14. https://doi.org/10.18662/po/13.1Sup1/411.
Szczepański M, Pawlicki M, Kozik R, Choraś M. New explainability method for BERT-based model in fake news detection. Sci Rep. 2021; 11: 1-13. https://doi.org/10.1038/s41598-021-03100-6 .
Thaher T, Saheb M, Turabieh H, Chantar H. Intelligent detection of false information in arabic tweets utilizing hybrid harris hawks based feature selection and machine learning models. Symmetry. 2021; 13: 1-24. 2021. https://doi.org/0.3390/sym13040556.
Kim J, Tabibian B, Oh A, Schölkopf B, Gomez-Rodriguez M. Leveraging the crowd to detect and reduce the spread of fake news and misinformation. In: Proceedings of the eleventh ACM international conference on web search and data mining. 2018: 324-332. https://doi.org/10.1145/3159652.3159734.
Meesad P. Thai Fake News Detection Based on Information Retrieval, Natural Language Processing and Machine Learning. SN comput sci. 2021; 2: 1-17. https://doi.org/10.1007/s42979-021-00775-6.
Jardaneh G, Abdelhaq H, Buzz M, Johnson D. Classifying arabic tweets based on credibility using content and user features. In: IEEE JEEIT. 2019: 596-601. https://doi.org/10.1109/jeeit.2019.8717386.
Chauhan T, Palivela H. Optimization and improvement of fake news detection using deep learning approaches for societal benefit. Int J Inf Manage Data Insights. 2021; 1: 1-11. https://doi.org/10.1016/j.jjimei.2021.100051.
Wani, Joshi I, Khandve S, Wagh V, Joshi R. Evaluating deep learning approaches for covid19 fake news detection. In: International Workshop on Combating On line Ho st ile Posts in Regional Languages dur ing Emerge ncy Si tuation. Springer. arXiv. 2021: 153-163. https://doi.org/10.1007/978-3-030-73696-5_15.
Aldwairi M, Alwahedi A. Detecting fake news in social media networks. Procedia Comput Sci. 2018; 141: 215-222. https://doi.org/10.1016/j.procs.2018.10.171.
Nagoudi EB, Elmadany A, Abdul-Mageed M, Alhindi T, Cavusoglu H. Machine generation and detection of Arabic manipulated and fake news. In: Proceedings of the Fifth Arabic Natural Language Processing Workshop. 2020: 69-84, 2020. https://doi.org/10.48550/arXiv.2011.03092.
Luo X. Efficient english text classification using selected machine learning techniques. Alex Eng J. 2021; 60: 3401-3409. https://doi.org/10.1016/j.aej.2021.02.009 .
Kadhim KA. Survey on supervised machine learning techniques for automatic text classification. Artif Intell Rev. 2019; 52: 273-292. https://doi.org/10.1007/s10462-018-09677-1 .
Jang B, Kim M, Harerimana G, Kang SU, Kim JW. Bi-LSTM model to increase accuracy in text classification: Combining Word2vec CNN and attention mechanism. Appl Sci. 2020; 10: 1-14. https://dx.doi.org/10.3390/app10175841.
Li D, Deng L, Gupta BB, Wang H, Choi C. A novel CNN based security guaranteed image watermarking generation scenario for smart city applications. Inf Sci. 2019; 479: 432-447. https://dx.doi.org/10.1016/j.ins.2018.02.060 .
Hussien Z, Dhannoon B. Anomaly Detection Approach Based on Deep Neural Network and Dropout. Baghdad Sci J. 2020; 17(2): 701-709. https://dx.doi.org/10.21123/bsj.2020.17.2(SI).0701
Wotaifi TA, Al-Shamery ES. Modified Random Forest based Graduates Earning of Higher Education Mining. Int J Comput Inf Syst Ind Manag Appl.. 2020; 12: 56-65.
Du J, Vong CM, Chen CP .Novel efficient RNN and LSTM-like architectures: Recurrent and gated broad learning systems and their applications for text classification. IEEE Trans Cybern. 2020; 51: 1586-1597. https://dx.doi.org/10.1109/TCYB.2020.2969705 .
Wotaifi TA, Al-Shamery ES. Fuzzy-Filter Feature Selection for Envisioning the Earnings of Higher Education Graduates. Int J Adv Comput Tecnol. 2018; 7(12): 2969-2975..
Asroni A, Ku-Mahamud KR, Damarjati C, Slamat HB. Arabic Speech Classification Method Based on Padding and Deep Learning Neural Network. Baghdad Sci J. 2021; 18(2): 925-936.
Hamzah NA, Dhannoon BN. The Detection of Sexual Harassment and Chat Predators Using Artificial Neural Network. Karbala Int J Mod. 2021; 7(4): 301-312. https://doi.org/10.33640/2405-609X.3157 .
Ibrahim V, Bakar JA, Harun NH, Abdulateef AF. A word cloud model based on hate speech in an online social media environment. Baghdad Sci J. 2021; 18(2): 937-946. https://doi.org/10.21123/bsj.2021.18.2(Suppl.).0937
Wang S, Zhou W, Jiang C. A survey of word