ارائه مدلي براي تشخيص شايعات فارسي مبتني بر تحليل ويژگي‌هاي محتوايي در متن شبكه‌هاي اجتماعي

شايعه يك تلاش جمعي است كه در آن از قدرت واژگان براي تفسير يك موقعيت مبهم ولي جذاب استفاده مي شود؛ بنابراين، شناسايي زبان شايعه مي تواند در تشخيص شايعات كمك كننده باشد. پژوهش‌هاي پيشين براي حل مسأله تشخيص شايعه بيشتر بر روي اطلاعات متني موجود در ريتوييت و توييت پاسخ كاربران و كمتر بر روي متن اصلي شايعه متمركز شده اند. اغلب اين پژوهش‌ها بر روي زبان انگليسي بوده و كارهاي محدودي در زبان فارسي انجام شده است؛ از اين رو، اين مقاله تنها با تمركز برروي متن اصلي شايعات فارسي و معرفي ويژگي هايي با ارزش اطلاعات محتوايي بالا، مدلي مبتني بر ويژگي هاي محتوايي فيزيكي و غيرفيزيكي براي تشخيص شايعات فارسي منتشر‌شده برروي توييتر و تلگرام ارائه مي‌كند. مدل پيشنهادي شايعات فارسي مجموعه‌داده توييتر را با معيارF - 0.848، شايعات مجموعه‌داده زلزله كرمانشاه را با معيارF- 0.952 و شايعات تلگرامي را با معيارF -0.867 شناسايي كرده است؛ كه نشان‌دهنده توانمندي مدل پيشنهادي براي شناسايي شايعات تنها با تمركز بر ويژگي هاي محتوايي متن شايعه منبع است.