Метод виявлення фейкових новин за стилем написання
DOI:
https://doi.org/10.25140/2411-5363-2023-4(34)-82-90Ключові слова:
фейкові новини; справжні новини; аналіз стилю письма; емоційно забарвлені слова; емоційна мова; ймовірнісні слова; виявлення ненормативної лексикиАнотація
У сучасну цифрову епоху відрізнити правду від дезінформації є складною проблемою, а фейкові новини, становлять значну загрозу можливості маніпуляції думкою суспільства. Традиційні методи перевірки фактів рідко зверта-ють увагу на емоційне мовне забарвлення, властивими оманливому вмісту. Це дослідження націлене на розробку під-ходу до виявлення фейкових новин шляхом аналізу стилю написання у поєднанні з обробкою природної мови. Базуючись на різноманітному наборі даних, у дослідженні розглянуто різні лінгвістичні аспекти, з особливим акцентом на попередній обробці та розробці функцій. На відміну від традиційних методів, цей багатовимірний підхід спрямований на розкриття нюансів у стилі написання як справжніх, так і фейкових новинних статей.
Дослідження передбачає ретельну підготовку та обробку вхідного набору даних, розробку функцій, зосереджу-ючись на ключових лінгвістичних елементах, таких як емоційно забарвлена лексика, звітні слова, ймовірнісні слова, легкі лайки та нецензурна лексика. Завдяки ретельному аналізу таких груп слів дослідження спрямоване на виявлення характерних моделей стилю написання фейкових новин, сприяючи розробці надійних механізмів їх виявлення.
Процес оцінювання ретельно перевіряє точність розпізнавання справжніх та фейкові статті новин запропоно-ваним способом на основі визначених стилів написання. Результати підтверджують доволі високу точність підходу та здатність виявляти відмінності в лінгвістичних особливостях написання новин.
Це дослідження впливає на підвищення точності виявлення фейкових новин за допомогою аналізу стилю напи-сання. Поєднуючи ретельну перевірку набору даних, передові методи попередньої обробки та комплексну розробку функцій, дослідження сприяє боротьбі з дезінформацією в епоху цифрових технологій. Такий підхід доповнює уже існуючі методи та робить їх більш комплексним для розпізнавання фейкових новин. Це демонструє його потенціал для підвищення медіаграмотності, захисту демократичних процесів, коли дезінформація становить серйозну про-блему для цілісності інформації.
Посилання
Shu, K., Sliva, A., Wang, S., Tang, J., & Liu, H. (2017). Fake news detection on social media: A data mining perspective. ACM SIGKDD explorations newsletter, 19(1), 22-36.
Zhou, X., Jain, A., Phoha, V. V., & Zafarani, R. (2020). Fake news early detection: A theory-driven model. Digital Threats: Research and Practice, 1(2), 1-25.
Zhou, X., & Zafarani, R. (2020). A survey of fake news: Fundamental theories, detection meth-ods, and opportunities. ACM Computing Surveys (CSUR), 53(5), 1-40.
Schmidt, A., & Wiegand, M. (2017, April). A survey on hate speech detection using natural lan-guage processing. In Proceedings of the fifth international workshop on natural language processing for social media (pp. 1-10).
Przybyla, P. (2020, April). Capturing the style of fake news. In Proceedings of the AAAI confer-ence on artificial intelligence. (Vol. 34, No. 01), (pp. 490-497).
L. Mishchenko, I. Klymenko. (February, 2023). Method For Detecting Fake News Based On Natural Language Processing. The VI International Scientific and Practical Conference «Modern ways of solving the problems of science in the world». (pp. 375-378). Warsaw, Poland.
Caihong, Z. (2022). Quantitative Evaluation of Vocabulary Emotional Color in Language Teach-ing. Occupational Therapy International. https://www.hindawi.com/journals/oti/2022/5203122/.
Pathak, A., & Srihari, R. K. (2019, July). BREAKING! presenting fake news corpus for auto-mated fact checking. In Proceedings of the 57th annual meeting of the association for computational linguistics: student research workshop. (pp. 357-362).
Zhou, X., Li, J., Li, Q., & Zafarani, R. (2023). Linguistic-style-aware Neural Networks for Fake News Detection. arXiv preprint arXiv:2301.02792.
Xu, S. (2018). Bayesian Naïve Bayes classifiers to text classification. Journal of Information Science, 44(1), 48-59.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
