Ein tiefes inhaltsbasiertes Modell zur Überprüfung von Gerüchten im Persischen

Während der Entwicklung sozialer Medien hat sich die soziale Kommunikation grundlegend verändert. Obwohl sie positive Anwendungen in der sozialen Interaktion und der Nachrichtenverbreitung aufweist, bietet sie gleichzeitig eine ideale Plattform zur Verbreitung von Gerüchten. Gerüchte können die Sicherheit der Gesellschaft sowohl in normalen als auch in kritischen Situationen gefährden. Daher ist es entscheidend, Gerüchte in einem frühen Stadium ihrer Verbreitung zu erkennen und zu überprüfen. Viele Forschungsarbeiten haben sich auf soziale Attribute innerhalb sozialer Netzwerke konzentriert, um das Problem der Gerüchteerkennung und -verifikation zu lösen, während weniger Aufmerksamkeit auf Inhaltseigenschaften gelegt wurde. Die sozialen und strukturellen Merkmale von Gerüchten entwickeln sich im Laufe der Zeit und sind in einem frühen Stadium der Verbreitung nicht verfügbar. Daher präsentiert diese Studie ein inhaltsbasiertes Modell zur frühzeitigen Verifikation persischer Gerüchte auf Twitter und Telegram. Das vorgeschlagene Modell unterstreicht die zentrale Rolle des Inhalts bei der Verbreitung von Gerüchten und generiert eine besser integrierte Darstellung jedes Quellgerüchts durch die Fusion semantischer, pragmatischer und syntaktischer Informationen. Zunächst werden kontextuelle Wort-Embeddings des Quellgerüchts durch ein hybrides Modell basierend auf ParsBERT und parallelen CapsNets erzeugt. Anschließend werden pragmatische und syntaktische Merkmale des Gerüchts extrahiert und mit den Embeddings verknüpft, um reichhaltige Informationen für die Gerüchteverifikation zu erfassen. Experimentelle Ergebnisse auf realen Datensätzen zeigen, dass das vorgeschlagene Modell die state-of-the-art-Modelle bei der frühen Gerüchteverifikation signifikant übertrifft. Zudem kann es die Leistung des Klassifikators auf Twitter um 2 % bis 11 % und auf Telegram um 5 % bis 23 % steigern. Diese Ergebnisse bestätigen die Effektivität des Modells, insbesondere wenn nur begrenzte Inhaltinformationen zur Verfügung stehen.