حول فوائد دمج الخصائص العصبية والإحصائية والخارجية لتحديد الأخبار المزيفة

تحديد صحة مقالة إخبارية هو مشكلة مثيرة للاهتمام، بينما تلقين هذه العملية يمكن أن يكون مهمة صعبة. تحديد مقالة إخبارية كمزيفة لا يزال سؤالًا مفتوحًا، حيث يعتمد ذلك على العديد من العوامل التي فشلت النماذج الحالية الأكثر تقدمًا في دمجها. في هذا البحث، نستكشف جزءًا فرعيًا من تحديد الأخبار المزيفة، وهو اكتشاف الموقف (stance detection). بالنظر إلى مقالة إخبارية، فإن المهمة هي تحديد مدى صلة جسم المقالة بادعائها. نقدم فكرة جديدة تجمع بين الخصائص العصبية وال إحصائية والخارجية لتوفير حل فعال لهذه المشكلة. نحسب التضمين العصبي من خلال النموذج المتكرر العميق، ونستخرج الخصائص الإحصائية من خلال نموذج الأكياس الكلامية ذات الأوزان (weighted n-gram bag-of-words model)، ونقوم بإنشاء خصائص خارجية يدوية باستخدام تقنيات هندسة الخصائص. أخيرًا، يتم دمج جميع الخصائص باستخدام طبقة عصبونية عميقة، مما يؤدي إلى تصنيف زوج العنوان-جسد المقالة الإخبارية كـ موافق (agree) أو غير موافق (disagree) أو يناقش (discuss) أو غير مرتبط (unrelated). نقارن التقنية المقترحة مع النماذج الأكثر تقدمًا حاليًا على مجموعة بيانات تحدي الأخبار المزيفة. من خلال التجارب الواسعة، نجد أن النموذج المقترح يتفوق على جميع التقنيات الأكثر تقدمًا بما في ذلك المشاركات في تحدي الأخبار المزيفة.