Fake News Detection Model Basing on Machine Learning Algorithms

Abstract

نظرًا للتطور السريع والهائل لشبكة الويب العالمية وسهولة الاتصال بالعالم الخارجي، فقد أصبح من السهولة إنشاء الأخبار ونشرها بشكل أسرع من أي فترة أخرى. نتيجة للاستخدام المتزايد للشبكات الاجتماعية، يقوم المستخدمون بإنتاج ونشر معلومات أكثر من أي وقت مضى، وبعضها واقع خاطئ وغير ذي صلة. من الصعب اكتشاف المعلومات الخاطئة أو المضللة تلقائيًا في المحتوى النصي. حتى المتخصص في الموضوع يجب أن يأخذ في الاعتبار عددًا من العناصر قبل تحديد مصداقية المقالة. المعلومات المضللة على وسائل التواصل الاجتماعي الكيدية والمنشورة عن قصد لها تأثير سلبي على المجتمعات والأشخاص، لا سيما في المواقف التي توجد فيها كوارث فعلية مثل الهجمات الإرهابية وأعمال الشغب والزلازل والفيضانات والحروب. لذلك من الأفضل التعرف على الشائعات في أسرع وقت ممكن للحد من آثارها السلبية على المجتمع. تهدف هذه الدراسة إلى بناء نموذج تعليمي للكشف عن الأخبار المزيفة. تعتمد هذه الورقة البحثية على البحث عن خصائص النص وتحليلها، ثم يتم تحويل الكلمات إلى ميزات باستخدام تقنية TF-IDF، وبعد ذلك يتم تحديد الميزات الأعلى مرتبة لغرض دراسة وتمييز انتشار الأخبار، سواء كان ذلك حقيقي أو مزيف باستخدام تقنيات التعلم الآلي. أخيرًا، تم تكييف خوارزمية الانحدار اللوجستي، وشجرة القرار، وتعزيز التدرج، وخوارزمية الغابة العشوائية. تبلغ دقة الانحدار اللوجستي (0.985)، والغابة العشوائية (0.989)، بينما تبلغ دقة شجرة القرار (0.994) وتعزيز التدرج (0.9949) على التوالي.