دوره 21، شماره 2 - ( 8-1403 )
جلد 21 شماره 2 صفحات 28-15 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
samet omrani M, saniee abadeh M, moghaddam charkari N. Rumor Detection on Twitter using tweet and user features. JSDP 2024; 21 (2) : 2
URL: http://jsdp.rcisp.ac.ir/article-1-1354-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1354-fa.html
صامت عمرانی مسلم، صنیعی آباده محمد، مقدم چرکری نصراله. تشخیص شایعه در شبکه اجتماعی توییتر با استفاده از ویژگی‌های توییت و کاربر. پردازش علائم و داده‌ها. 1403; 21 (2) :15-28
کارشناس ارشد هوش مصنوعی دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرّس، تهران، ایران
چکیده: (209 مشاهده)
با شنیدن هر خبر در شبکه‌های اجتماعی، واکنش‌ها به آن متفاوت است و از زوایای مختلف موجب برانگیخته‌شدن حس کنجکاوی می‌شود. مهم‌ترین بخش آن فهمیدن صحّت‌وسقم خبر است. شایعه، خبری نامعتبر است؛ یعنی هنوز تأیید نشده و ممکن است در صورت نداشتن اعتبار موجب خسارات جبران‌ناپذیری شود؛ ازاین‌رو، تشخیص آن بسیار مهم است. تشخیص شایعه و یا به‌عبارتی مشخص‌کردن اعتبار آن نقش اساسی در جلوگیری از خبر نادرست دارد. در این مقاله، با استفاده از ویژگی‌های جدید دستی مبتنی بر توییت، کاربر و ترکیبی از این دو و با استفاده از چهار دسته‌بند یادگیری ماشین، شایعه موجود در شبکه‌های اجتماعی تشخیص داده شد؛ همچنین با توجه به نامتعادل‌بودن مجموعه‌داده از روش بیش‌نمونه‌برداری استفاده و با توجه به تفاوت ویژگی‌ها از نرمال‌سازی استفاده شده‌است. نتایج نشان داد این روش با وجود سادگی نسبت به روش‌های یادگیری ماشین و عمیق بهبود قابل توجّهی داشته‌است و مقدار صحّت به 99/0 رسید.
شماره‌ی مقاله: 2
نوع مطالعه: كاربردي |
موضوع مقاله:
مقالات پردازش متن
دریافت: 1401/9/12 | پذیرش: 1403/6/1 | انتشار: 1403/8/14 | انتشار الکترونیک: 1403/8/14
دریافت: 1401/9/12 | پذیرش: 1403/6/1 | انتشار: 1403/8/14 | انتشار الکترونیک: 1403/8/14
فهرست منابع
1. N. Diakopoulos, M. De Choudhury, and M. Naaman, "Finding and assessing social media information sources in the context of journalism," in Proceedings of the SIGCHI conference on human factors in computing systems, 2012, pp. 2451-2460. [DOI:10.1145/2207676.2208409]
2. A. Hermida, "Twittering the news: The emergence of ambient journalism," Journalism practice, vol. 4, no. 3, pp. 297-308, 2010. [DOI:10.1080/17512781003640703]
3. S. Vieweg, "Microblogged contributions to the emergency arena: Discovery, interpretation and implications," Computer Supported Collaborative Work, pp. 515-516, 2010.
4. A. Zubiaga, A. Aker, K. Bontcheva, M. Liakata, and R. Procter, "Detection and resolution of rumours in social media: A survey," ACM Computing Surveys (CSUR), vol. 51, no. 2, pp. 1-36, 2018. [DOI:10.1145/3161603]
5. H. Slimi, I. Bounhas, and Y. Slimani, "TWITTER USERS CREDIBLITY EVALUATION BASED ON SOCIAL GRAPH IMPRESSION," in Proceedings of the 16th International Conference on Applied Computing (AC), Cagliari, Italy, 2019, pp. 11-18. [DOI:10.33965/ac2019_201912L002]
6. Y.-Z. Song, Y.-S. Chen, Y.-T. Chang, S.-Y. Weng, and H.-H. Shuai, "Adversary-Aware Rumor Detection," in Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021, 2021, pp. 1371-1382. [DOI:10.18653/v1/2021.findings-acl.118]
7. N. Hassan, W. Gomaa, G. Khoriba, and M. Haggag, "Credibility detection in twitter using word n-gram analysis and supervised machine learning techniques," International Journal of Intelligent Engineering and Systems, vol. 13, no. 1, pp. 291-300, 2020. [DOI:10.22266/ijies2020.0229.27]
8. M. R. I. Nawab, K. M. Shahiduzzaman, T. Eng, and M. N. Jamal, "Rumor Detection in Social Media with User Information Protection," European Journal of Electrical Engineering and Computer Science, vol. 4, no. 4, pp. 1-8, 2020. [DOI:10.24018/ejece.2020.4.4.219]
9. M. Azer, M. Taha, H. H. Zayed, and M. Gadallah, "Credibility Detection on Twitter News Using Machine Learning Approach," International Journal of Intelligent Systems and Applications, vol. 13, no. 3, pp. 1-10, 2021. [DOI:10.5815/ijisa.2021.03.01]
10. R. Anggrainingsih, G. M. Hassan, and A. Datta, "BERT based classification system for detecting rumours on Twitter," arXiv preprint arXiv:2109.02975, 2021.
11. X. Yang, Y. Lyu, T. Tian, Y. Liu, Y. Liu, and X. Zhang, "Rumor detection on social media with graph structured adversarial learning," in Proceedings of the Twenty-Ninth International Conference on International Joint Conferences on Artificial Intelligence, 2021, pp. 1417-1423. [DOI:10.24963/ijcai.2020/197]
12. J. Li, Y. Sujana, and H.-Y. Kao, "Exploiting microblog conversation structures to detect rumors," in Proceedings of the 28th International Conference on Computational Linguistics, 2020, pp. 5420-5429. [DOI:10.18653/v1/2020.coling-main.473]
13. J. Ma, W. Gao, S. Joty, and K.-F. Wong, "An attention-based rumor detection model with tree-structured recursive neural networks," ACM Transactions on Intelligent Systems and Technology (TIST), vol. 11, no. 4, pp. 1-28, 2020. [DOI:10.1145/3391250]
14. M. Cheng, Y. Li, S. Nazarian, and P. Bogdan, "From rumor to genetic mutation detection with explanations: a GAN approach," Scientific Reports, vol. 11, no. 1, pp. 1-14, 2021. [DOI:10.1038/s41598-021-84993-1]
15. S. Ni, J. Li, and H.-Y. Kao, "Rumor Detection on Social Media with Hierarchical Adversarial Training," arXiv preprint arXiv:2110.00425, 2021.
16. J. Li, S. Ni, and H.-Y. Kao, "Meet the truth: Leverage objective facts and subjective views for interpretable rumor detection," arXiv preprint arXiv:2107.10747, 2021. [DOI:10.18653/v1/2021.findings-acl.63]
17. K. Zhou, C. Shu, B. Li, and J. H. Lau, "Early rumour detection," in Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), 2019, pp. 1614-1623.
18. M. Z. Asghar, A. Habib, A. Habib, A. Khan, R. Ali, and A. Khattak, "Exploring deep neural networks for rumor detection," Journal of Ambient Intelligence and Humanized Computing, vol. 12, no. 4, pp. 4315-4333, 2021. [DOI:10.1007/s12652-019-01527-4]
19. J. Ma, W. Gao, and K.-F. Wong, "Detect rumors on twitter by promoting information campaigns with generative adversarial learning," in The world wide web conference, 2019, pp. 3049-3055. [DOI:10.1145/3308558.3313741]
20. L. M. S. Khoo, H. L. Chieu, Z. Qian, and J. Jiang, "Interpretable rumor detection in microblogs by attending to user interactions," in Proceedings of the AAAI Conference on Artificial Intelligence, 2020, vol. 34, no. 05, pp. 8783-8790. [DOI:10.1609/aaai.v34i05.6405]
21. F. Xu, V. S. Sheng, and M. Wang, "Near real-time topic-driven rumor detection in source microblogs," Knowledge-Based Systems, vol. 207, p. 106391, 2020. [DOI:10.1016/j.knosys.2020.106391]
22. S. A. Alkhodair, S. H. Ding, B. C. Fung, and J. Liu, "Detecting breaking news rumors of emerging topics in social media," Information Processing & Management, vol. 57, no. 2, p. 102018, 2020. [DOI:10.1016/j.ipm.2019.02.016]
23. Y. Sujana, J. Li, and H.-Y. Kao, "Rumor detection on Twitter using multiloss hierarchical BiLSTM with an attenuation factor," arXiv preprint arXiv:2011.00259, 2020.
24. جهانبخش نقده زلیخا، فیضی درخشی محمد رضا، شریفی آرش. «ارائه مدلی برای تشخیص شایعات فارسی مبتنی بر تحلیل ویژگی‌های محتوایی در متن شبکه‌های اجتماعی»، پردازش علائم و داده‌ها، ۱۴۰۰; ۱۸ (۱) :۵۰-۲۹
25. Z. Jahanbakhsh-Nagadeh, M.-R. Feizi-Derakhshi, and A. Sharifi, "A Model for Detecting of Persian Rumors based on the Analysis of Contextual Features in the Content of Social Networks," (in eng), Signal and Data Processing, Research vol. 18, no. 1, pp. 50-29, 2021, doi: 10.52547/jsdp.18.1.50. [DOI:10.52547/jsdp.18.1.50]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
