چکیده:
هدف تحقیق: اختصاص یکی از کلاس های جعلی و واقعی به متون رایگان. در این مطالعه بحث اصلی ، تجزیه و تحلیل متن در سطح جمله و بهبود عملکرد شبکه های عصبی برای تشخیص اخبار جعلی بوده است. در نظر گرفتن تنسورهای سه بعدی به مدل امکان می دهد موقعیت کلمات را در یک جمله بیاموزد. و در تشخیص اخبار جعلی به نتایج دقیق تری دست یابد.روش شناسی: این مطالعه یک پژوهش کاربردی است که در آن حدود 42000 خبر فارسی از شهرهای مختلف ایران از توییتر جمع آوری شده و با استفاده از روش های اضافی تمیز کردن و پیش پردازش ، اطلاعات اضافی حذف شده و پس از برچسب گذاری آماده استفاده میگردد.یافته ها: در حین آزمایش ، برخی از الگوریتم های یادگیری ماشین از قدرت بیشتری در مسائل طبقه بندی برخوردار بودند ، اما با تغییرات در ساختار الگوریتم شبکه کانولوشن ، نتایج بهتری به دست آمد.نتیجه:. مدل پیشنهادی بدون افزودن سربار اضافی از نظر تعداد ویژگی ها و عمق شبکه ، با تغییر ورودی توانسته است نتایج بهتر و قابل قبولی نسبت به سایر رویکردهای ادبیات بدست آورد و دقت بیش از 94 درصد را بدست آورد.
Purpose of the research: Assign one of the fake and real classes to free texts. In this study, discussion and text analysis at the sentence level and improve the performance of neural networks to detect fake news has been convolution. Considering 3D tensors allows the model to learn the position of words in a sentence. And achieve more accurate results in detecting fake news. Methodology: This study is an applied research in which about 42,000 Persian news from different cities of Iran were collected from Twitter and using additional methods of cleaning and preprocessing, additional information was removed and after tagging Ready to use.Findings: During testing, some machine learning algorithms had more power in classification problems, but with the changes in the structure of the convolutional network algorithm, best results .Conclusion:. The proposed model without adding additional overhead in terms of number of features and network depth, by changing the input has been able to achieve better and more acceptable results than other approaches in the literature and achieve an accuracy of more than 94%