عنوان پایان‌نامه
ارائه رویکردی برای تشخیص شایعه در شبکه های اجتماعی
- رشته تحصیلی
- مهندسی کامپیوتر- آلگوریتم ها و محاسبات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 100..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78896;کتابخانه پردیس یک فنی شماره ثبت: 100..;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 78896
- تاریخ دفاع
- ۲۹ دی ۱۳۹۵
- دانشجو
- سمیه زمانی کسبی
- استاد راهنما
- دارا معظمی, مسعود اسدپور
- چکیده
- با پیشرفت فناوری و رشد چشم گیر رسانه های اجتماعی برخط، شایعات علاوه بر شکل سنتی، امکان پخش ساده تر و سریع تری نیز در فضای مجازی یافته اند. بنابراین بدست آوردن راه‌کاری مناسب برای «تشخیص شایعه در شبکه‌های اجتماعی» نیازمند انجام مطالعه و آزمایش های مرتبط می باشد. در این پژوهش مسئله تشخیص شایعه در توییتر فارسی با واکاوی و بررسی اهمیت ویژگی‌های ساختاری و محتوایی موثر در آن، پاسخ داده شده است. به همین جهت، ابتدا مجموعه‌دادگانی از توییت‌های شایعه و عادی جمع آوری و برچسب گذاری شده است. سپس ویژگی های ساختاری و محتوایی مناسب از توییت ها و گراف ارتباطی کاربران تولیدکننده ی آن ها استخراج و انتخاب گردیده و در نهایت اهمیت این ویژگی ها در شناسایی شایعات مورد بررسی قرار گرفته است. بر اساس نتایج بدست آمده از آزمایش های مختلفی که برای اولین بار بر روی شایعات فارسی صورت گرفته، ویژگی های کاربران مستعد به درج و نشر شایعه در شناسایی آن، بسیار موثر می باشد. همچنین این آزمایش ها منجر به یادگیری مدل زبانی شایعات جمع آوری شده می شود. تحلیل و بررسی محتوای توییت‌ها و ویژگی‌های افراد شایعه پراکن نشان می‌دهد که این افراد با وجود قدمت کمتر در شبکه اجتماعی به قرار دادن پست های زیادی مبادرت می‌ورزند. نیز به دلیل وجود محدودیت تعداد کاراکترها در توییتر برای ارجاع به متن کامل شایعه، در بیشتر مواقع پست های مربوطه دارای پیوندی به سایت های دیگر هستند.
- Abstract
- With the advancement of technology and striking growth of online social media, rumors can be spread easier and faster on cyber space, in addition to tradition ways. So, finding an appropriate solution to the "rumor detection in social networks" needs relevant studies and experiments. In this research, the solution of rumor detection on Persian Twitter community has been presented by examining and analyzing the importance of structural and textual features. Hence, at the preliminary stage a dataset of rumor and non-rumor tweets has been collected and labeled. Then suitable structural and textual features of tweets and relational graph of tweet producer users have been extracted and selected. Finally, significances of the features in rumor detection process have been examined. Based on results from different experiments that were conducted on Persian rumors for the first time, features of users tending to produce and spread rumors are very effective in rumor detection process. Also, the experiments led to learning of a language model of collected rumors. The results of examining and analyzing tweets content and features of the people who spread rumors show they post more on social networks, despite short age. Moreover, in order to refer to the whole text of rumors, posts usually have links to other websites because of Twitter character limitation. Keywords: Online Social Networks, Rumor Detection, Twitter, Machine Learning Algorithms
