مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

28
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شناسایی شایعات در شبکه های اجتماعی در زمینه بیماری های همه گیر با استفاده از تکنیک های یادگیری عمیق

صفحات

 صفحه شروع 30 | صفحه پایان 44

چکیده

 یکی از مهمترین مسائل در شبکههای اجتماعی حجم بالای شایعاتی است که توسط عوامل انسانی و یا ماشینی منتشر می شوند. در ‏چنین شرایطی, تشخیص خودکار شایعات برای ایمن نگهداشتن افکار عمومی در برابر خطرات بالقوه آنها؛ از اهمیت بالایی برخوردار ‏است. در این پژوهش, با استفاده از تکنیکهای یادگیری عمیق یک راهکار جدید برای تشخیص خودکار شایعاتِ مرتبط با بیماری‏های همهگیر در شبکههای اجتماعی ارائه شده است. در روش پیشنهادی, ابتدا محتوای پیامهای موجود برای پردازش در گامهای ‏بعدی آمادهسازی میشوند. همچنین از قالب ماتریس وزنی برای توصیف خصوصیات محتوایی استفاده شده است. سپس در گام دوم ‏روش پیشنهادی, از شبکه عصبی کانولوشن به منظور استخراج مجموعه ویژگیهای مناسب از ماتریس خصوصیات حاصل از گام قبل ‏استفاده میشود. بدین ترتیب, ماتریس خصوصیات محتوایی به عنوان ورودی شبکه عصبی عمیق بکار میرود و مقادیر وزنی به ‏دست آمده در آخرین لایه تماماً متصل این شبکه عصبی به عنوان ویژگیهای استخراج شده از آن مورد استفاده قرار میگیرد. ‏درنهایت, از تجمیع چند طبقهبند دودویی به منظور تشخیص شایعات و طبقهبندی ویژگیهای استخراج شده از طریق شبکه عصبی ‏کانولوشن استفاده میشود. بدین منظور, ویژگیهای استخراج شده به صورت همزمان توسط چندین مدل یادگیری پردازش شده و ‏خروجی نهایی سیستم پیشنهادی از طریق رایگیری خروجیهای این سه الگوریتم تعیین میشود. نتایج حاصل از این تحقیق نشان ‏میدهد که با استفاده از روش پیشنهادی میتوان شایعات را با میانگین دقت 98.8 درصد تشخیص داد که نشان از بهبود حداقل ‏‏2.4 درصدی دقت تشخیص نسبت به روشهای پیشین دارد.‏

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button