المستخلص
يمكن تعريف انتشار الأخبار المزيفة بأنها إحدى الظواهر الاجتماعية التي قد تكون منتشرة على المستويات الاجتماعية عبر وسائل التواصل الاجتماعي وبين الأفراد. الأخبار الكاذبة التي مناقشتها على وسائل التواصل الاجتماعي تسبب الخداع وتضليل الأفراد. تهدف مثل هذه القضايا إلى تغيير آراء الأفراد والمجتمع على السواء. فعلى سبيل المثال، في وسائل الإعلام الاجتماعية والإخبارية، تنتشر المعلومات بسرعة وبدون دقة والتي قد تؤثر بشكل سيء على المجتمع والأفراد. وبالتالي، من المهم أن يكون لديك آلية كشف يمكنك من خلالها التنبؤ بالأخبار المزيفة وبسرعة كافية. الهدف من هذه الرسالة هو معالجة نشر الأخبار المزيفة باستخدام التعلم العميق. تم تقديم نموذج كشف لتصنيف الأخبار المزيفة مع تأثير TF-IDF على مجموعة البيانات. بالإضافة إلى ذلك، استخدام طريقتين للتعلم الآلي (NB، KNN) وطريقة واحدة للتعلم العميق (CNN-1D). باستخدام مجموعتين مختلفتين من تجميعات البيانات. بالنسبة لمجموعة البيانات الأولى، حقق النموذج أقصى دقة باستخدام خوارزميتين للتعلم الآلي (NB، KNN) وهما (94٪ , 87٪)، وكانت الدقة القصوى لمجموعة البيانات الأولى (100٪) باستخدام خوارزمية التعلم العميق (CNN-1D). بالنسبة لمجموعة البيانات الثانية، حقق النموذج أقصى دقة باستخدام خوارزميتين للتعلم الآلي (NB، KNN) وهما (93٪ , 97٪)، وكانت الدقة القصوى لمجموعة البيانات الثانية (100٪) باستخدام خوارزمية التعلم العميق (CNN-1D). النتائج المحققة أفضل من الأعمال المضمنة ذات الصلة، لذا فإن استخدام هذه الخوارزمية يعزز دقة التصنيف.
