Journal of Command and Control

fa تشخیص شایعات در شبکه های اجتماعی با استفاده از معماری ترکیبی LSTM - CNN و ارائه ی روش جدید پیش پردازش داده ها A New Preprocessing Method for Rumor Detection in Social Networks based on LSTM-CNN هوش مصنوعی Artificial Intelligence پژوهشي Research با توجه به جایگاهی که امروزه شبکه های اجتماعی در جوامع پیدا کرده اند، افراد بسیاری از این شبکه ها به منظور منتشر کردن عقاید و اطلاعات خود استفاده می کنند. یکی از چالش های امنیتی موجود در این شبکه ها، جلوگیری از حملات معنایی است. در حملات معنایی فرد مخرب قصد دارد تا با انتشار اطلاعات و شایعات نادرست در شبکه های اجتماعی، بر روی کاربران دیگر تاثیر بگذارد. بنابراین ایمنی افراد در این گونه شبکه ها به خطر می افتد. انتشار اطلاعات نادرست در مواقع بحرانی مانند جنگ یا انتخابات ممکن است، عواقب جبران ناپذیری برای یک اجتماع داشته باشد. از این رو در این پژوهش هدف اینست که بتوان شایعات از جمله شایعات فارسی را در شبکه های اجتماعی تشخیص داد. بدین منظور از یک معماری ترکیبی <span dir="LTR">LSTM-CNN</span> استفاده و برخلاف پژوهش های پیشین از نرخ یادگیری چرخشی بهره گرفته و روش جدیدی به منظورپردازش کردن داده ها قبل از ورود به شبکه برای بهبود نتایج ارائه شدهاست. علاوه بر آن نیز برای رفع مشکلات مربوط به کمبود داده مدل <span dir="LTR">BERT</span> برای تشخیص شایعات فارسی هم مورد بررسی قرار گرفت. در نهایت با ارزیابی روش پیشنهادی مشخص شد که این روش به دقت مناسبی برای تشخیص شایعات و همین طور شایعات فارسی تنها با بررسی محتوا، دست یافته است. Recently, using social networks increases and people propagate their information through this networks. One of the most important challenges in these networks is sentiment attack, in which the attacker spreads rumors to influence users. Therefor rumor detection become important and attracts expanding research attention. Most of the previous works using deep neural networks for rumor detection without special preprocessing but we propose a new method for preprocessing data before learning which improve results. we use LSTM-CNN architecture with cyclical learning rate to detect Persian rumors. Beside that we investigate BERT model for Persian tweets. Our results demonstrate the effectiveness of this approach for English and Persian rumor detection. شبکه های اجتماعی, شایعه, یادگیری عمیق Deep learning, Preprocessing, Rumor detection, Social network 38 51 http://ic4i-journal.ir/browse.php?a_code=A-10-341-1&slc_lang=fa&sid=1 maryam Khosravi مریم خسروی m.khosravi26@gmail.com 10031947532846001265 10031947532846001265 No Malek-ashtar University of Technology دانشگاه صنعتی مالک اشتر Hossein Shirazi حسین شیرازی shirazi@mut.ac.ir 10031947532846001266 10031947532846001266 Yes Malek-ashtar University of Technology دانشگاه صنعتی مالک اشتر Kourosh Dadahstabar کوروش داداش تبار Dadashtabar@yahoo.com 10031947532846001267 10031947532846001267 No Malek-ashtar University of Technology دانشگاه صنعتی مالک اشتر S.Alireza Hashemi Golpaygani سید علیرضا هاشمی گلپایگانی sa.hashemi@aut.ac.ir 10031947532846001268 10031947532846001268 No Amirkabir University of Technology دانشگاه صنعتی امیر کبیر