طراحی و تهیۀ دادگان برچسب‌خورده فارسی از اخبار مرتبط با همه‌گیری کووید-19 به منظور تشخیص اخبار جعلی

نویسندگان

1 گروه رایانه، دانشکده آمار، ریاضی و رایانه، دانشگاه علامه طباطبائی، تهران، ایران

2 گروه رایانه، دانشکده آمار، ریاضی و رایانه، دانشگاه علامه طباطبائی، تهران، ایران

3 پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران

doi
10.30465/lsi.2024.47711.1729
چکیده

در این مقاله یک پیکرۀ برچسب‌خورده، به‌ منظور به‌کارگیری در تشخیص اخبار جعلی با حدود 5000 پست مربوط به اخبار همه‌گیری کووید-19 از پیام‌رسان تلگرام استخراج شده و برچسب‌زنی می‌شود. فرایند ساخت پیکره در دو مرحله انجام می‌پذیرد. مرحلۀ اول شامل جمع‌آوری و پیش‌پردازش داده‌ها و مرحلۀ دوم شامل برچسب‌گذاری آنها می‌باشد. در مرحلۀ اول، داده‌ها فیلتر می‌شوند و بعد از انجام پردازش‌های لازم‌ برروی آنها، در مرحلۀ دوم، بر اساس یک شیوه‌نامه، اقدام به برچسب‌گذاری می‌شود. در مرحلۀ برچسب‌گذاری، از هفت عنوان موردنظر برای وظایف، استفاده می‌گردد و هر پست خبری با توجه به این هفت وظیفه برچسب‌گذاری می‌شود. ایجاد یک چهارچوب مناسب (شیوه‌نامه) برای برچسب‌زنی یکی از اقدامات مهم در این مرحله می‌باشد. شیوه‌نامه در اختیار دو برچسب‌زن خبره که بدین‌منظور آموزش دیده‌اند قرار می‌گیرد و اخبار از لحاظ هفت وظیفۀ 1) صحیح یا جعلی بودن 2) سیاسی بودن 3) بالا بردن سطح آگاهی عمومی، دادن روحیه یا دادن یک توصیه به خواننده 4) مطالب مربوط به دارو و درمان یا مراقبت‌های بهداشتی 5) آمار مرگ و میر 6) داشتن محتوای حاوی مطالب تنفرآمیز، سرزنش، عیب‌جویی، منفی بافی و 7) ارزش داشتن برای بررسی واقعیت، مورد بررسی قرار گرفته و بر این اساس، برچسب درست، نادرست یا خنثی می‌گیرند. در صورت عدم توافق بین دو برچسب‌زن، از برچسب‌زن سوم نظرخواهی می‌شود. برچسب‌دهی اخبار طوری انجام می‌گیرد که در نهایت، دسته‌های متوازنی در وظیفۀ صحیح یا جعلی بودن اخبار به دست آید.