SEMI-FND: استنتاج متعدد الوسائط قائمة على التجميع المتداخل للكشف الأسرع عن الأخبار الكاذبة

كشف الأخبار الزائفة (FND) يُعد مجالًا أساسيًا في معالجة اللغة الطبيعية، ويهدف إلى تحديد وفحص صحة الادعاءات الرئيسية في مقال إخباري لاتخاذ قرار بشأن صحة الخبر. ويُستخدم كشف الأخبار الزائفة لمنع الأضرار الاجتماعية والسياسية والوطنية الناتجة عن تشويه الحقائق التي قد تضر بفئة معينة من المجتمع. علاوة على ذلك، ومع الانتشار المتسارع للأخبار الزائفة عبر وسائل التواصل الاجتماعي، بما في ذلك الصور والنصوص، أصبح من الضروري الكشف عن الأخبار الزائفة بشكل أسرع وأدق. ولحل هذه المشكلة، تُقدّم هذه الدراسة منهجًا جديدًا قائماً على التجميع المتعدد الوسائط (SEMIFND) يعتمد على التجميع المكدس. ويُراعى أيضًا تحقيق أداء أسرع باستخدام عدد أقل من المعاملات. وبالإضافة إلى ذلك، لتحسين الأداء المتعدد الوسائط، تم إجراء تحليل عميق لوحدة واحدة (Unimodal) على الوسيط البصري، مما أدى إلى تحديد نموذج NasNet Mobile كأفضل نموذج مناسب للمهمة. أما في مجال النصوص، فقد تم استخدام تجميع نموذجين: BERT وELECTRA. وتم تقييم النهج على مجموعتي بيانات: Twitter MediaEval وWeibo Corpus. وأظهر الإطار المقترح دقة وصلت إلى 85.80% على مجموعة بيانات Twitter، و86.83% على مجموعة بيانات Weibo. وتبين أن هذه المقاييس متفوقة مقارنة بالدراسات الحديثة المماثلة. علاوة على ذلك، أُبلغ عن تقليل في عدد المعاملات المستخدمة في التدريب مقارنة بالدراسات الحديثة ذات الصلة. ويُقدّم SEMI-FND خفضًا إجماليًا في عدد المعاملات بنسبة لا تقل عن 20٪، مع خفض بنسبة 60٪ في المعاملات الخاصة بالوسيط النصي وحده. وبالتالي، بناءً على الاستقصاءات المقدمة، يمكن الاستنتاج أن تطبيق التجميع المكدس يُحسّن بشكل ملحوظ كشف الأخبار الزائفة مقارنة بالأساليب الأخرى، مع تحسين في السرعة أيضًا.