فهرست نشریات علمی دسترسی آزاد ایران

با گسترش شبکه‌های اجتماعی و افزایش تعداد کاربران آن‌ها. چالش‌های جدیدی در این فضا ایجاد شده است. یکی از مهم‌ترین چالش‌ها انتشار شایعات و اطلاعات نادرست است که گسترش آن‌ها می‌تواند تأثیرات مخرب زیادی را بر جوامع انسانی بگذارد و گاهی عواقب جبران‌ناپذیری را نیز به بار آورد. به همین دلیل امروزه پژوهش‌های فراوانی به تشخیص شایعات در این شبکه‌ها می‌پردازند. در اکثر پژوهش‌هایی که از روش بررسی گراف انتشار برای تشخیص شایعات استفاده کرده‌اند، نیاز به درگیرشدن با پیچیدگی‌های پردازش زبان یا تحلیل ویژگی‌های کاربر است و به دلیل پیچیدگی تحلیل گراف‌های انتشار شایعات تا کنون از این روش به‌تنهایی برای تشخیص شایعه استفاده نشده و نیاز به استفاده از سایر ویژگی‌ها یا تحلیل متن بوده است. از این رو هدف از این مقاله این است که روش جدیدی ارائه شود که بدون نیاز به اطلاعات کاربر و تحلیل محتوای منتشر شده، و تنها باتوجه‌به زیرگراف انتشار پست، قادر به تشخیص شایعات باشد؛ بنابراین فراوانی درجه‌ی رئوس گراف‌های انتشار در مدل‌های شایعه و غیر شایعه مورد بررسی قرار گرفت و یک بردار ۸ تایی با توجه به این ویژگی زیرگراف‌های انتشار استخراج شد. سپس از دسته‌بندی‌کننده‌های مختلف به‌منظور تشخیص تمایز بین این دو حالت با توجه به بردار ۸ تایی استفاده شد. پس از ارزیابی، مشخص شد که دسته‌بندی‌کننده‌ی جنگل تصادفی بر روی مجموعه‌داده‌ی PHEME نتیجه‌ی بهتر و دقتی حدود ۸۴/۰ دارد. ازآنجایی‌که این روش نهایتاً در ۴ گام پس از انتشار قادر به تشخیص است، از لحاظ زمانی نیز کارایی مناسبی دارد.