نحوه تشخیص اخبار واقعی از جعلی با استفاده از پردازش زبان طبیعی (NLP)

حجم انبوه اطلاعاتی که هر روز تولید و منتشر می شود، تشخیص اخبار واقعی را از جعلی دشوار می کند، اما پیشرفت ها در پردازش زبان طبیعی (NLP) راه حلی را برای رفع این مشکل ارائه می دهد.

در عصر دیجیتال کنونی، انتشار اخبار از طریق رسانه های اجتماعی و پلتفرم های اینترنتی باعث شده تا افراد به اخبار منابع مختلف خبری دسترسی داشته باشند. افزایش پخش اخبار جعلی یکی از ایرادات این استقلال خبری است. اخبار جعلی اطلاعات نادرستی است که به طور هدفمند برای سردرگمی عموم مردم و کاهش اعتماد آنها به نشریه های معتبر منتشر می شود.

پردازش زبان طبیعی زیرشاخه ای از هوش مصنوعی است که به کامپیوترها ظرفیت درک و تفسیر زبان انسان را می دهد و آن را به ابزاری مهم برای شناسایی اخبار جعلی و فریبنده تبدیل می کند. این مطلب به بررسی نحوه استفاده از NPL برای شناسایی اخبار جعلی می پردازد و مثال هایی را در این زمینه ارائه می کند.

تحلیل احساسات

برای شناسایی اخبار جعلی، تحلیل احساسات با استفاده از NLP می تواند یک استراتژی موثر باشد. الگوریتم های NLP می توانند با تجزیه و تحلیل احساسات بروز داده شده در یک خبر یا پست رسانه های اجتماعی، قصد و هرگونه سوگیری نویسنده را مشخص کنند. نویسنده اخبار جعلی، اغلب با استفاده از زبان تند یا اغراق، احساسات مخاطبان را تحت تاثیر قرار می دهد.

برای مثال، یک مدل تحلیل احساسات مبتنی بر NPL با بررسی خبری که یک رویداد سیاسی را پوشش می دهد، می تواند سوگیری به نفع یک حزب خاص و استفاده از زبان دارای بار عاطفی برای تاثیرگذاری بر افکار عمومی را شناسایی کند.

تحلیل معنایی و راستی آزمایی

برای تایید صحت مطالب، ابزارهای راستی آزمایی مبتنی بر NLP می توانند محتوای یک خبر را در برابر منابع یا پایگاه های داده معتبر و قابل اعتماد تجزیه و تحلیل کنند. تحلیل معنایی با شناسایی تناقضات و تضادهایی که ممکن است نشانه اخبار جعلی باشند، می تواند به درک معنا و متن زبانی استفاده شده کمک کند.

برای مثال، یک سیستم راستی آزمایی مبتنی بر NLP می تواند فورا اخبار یک مقاله خبری را مبنی بر این که یک سلبریتی مشهور محصول بحث برانگیزی را با منابع قابل اعتماد تبلیغ می کند، به سایت های خبری دیگر ارجاع متقابل دهد تا صحت آن را تایید کند.

شناسایی نام های ذکر شده (NER)

در NLP، شناسایی نام های ذکر شده کامپیوترها را قادر می سازد تا نام های خاصی مانند افراد،گروه ها، مکان ها یا تاریخ ها را که در یک متن ارجاع داده شده اند، شناسایی و دسته بندی کند. با شناسایی نام های مهم، اخبار جعلی را می توان با پیدا کردن تناقضات یا اطلاعات ساختگی تشخیص داد.

نمونه هایی از سازمان ها یا مکان های ناموجود (غیرواقعی) که الگوریتم های NER ممکن است آنها را به عنوان نشانه های احتمالی اخبار نادرست تشخیص دهند، می توان در مقاله های خبری مربوط به بلایای زیست محیطی پیدا کرد.

شناسایی جوسازی های رسانه ای و تله کلیک ها (clickbait)

مدل های NLP ممکن است برای تشخیص زبان تحریک کننده احساسات و عناوین تله کلیک (که هر دو از ویژگی های اخبار جعلی هستند) آموزش ببینند. این مدل ها می توانند به فیلتر کردن اطلاعات نادرست و رتبه بندی منابع خبری قابل اعتماد کمک کنند.

تله کلیک یعنی استفاده از عنوان‌های هیجان‌برانگیز یا گمراه‌کننده، به منظور افزایش تعداد کلیک روی لینک‌های محتوا. به عبارت دیگر، برجسته کردن یا مهم جلوه دادن موضوعی پیش افتاده؛ به طوری که گمراه کننده، جذاب و مهم به نظر برسد.

برای مثال، عبارات تحریک کننده احساسات و اخبار اغراق شده را که اغلب با مقالات تله کلیک همراه هستند را می توان با تجزیه و  تحلیل عناوین و محتوا با استفاده از الگوریتم مبتنی بر NLP پیدا کرد.

ارزیابی اعتبار منبع خبری

روش های NLP قادر به تجزیه و تحلیل اطلاعات گذشته سازمان های خبری، مانند موقعیت، رتبه، اعتبار و صحت گزارش های قبلی آنها، هستند. از این داده ها می توان برای ارزیابی صحت محتوای جدید و شناسایی منابع خبری جعلی استفاده کرد. 

برای مثال، یک سیستم مبتنی بر NLP ممکن است قبل از تایید صحت محتوای خبری منتشر شده توسط  یک وب سایت کمتر شناخته شده، اعتبار آن را ارزیابی کند.

پنج مورد استفاده از NLP در دنیای واقعی

همانطور که گفته شد، NLP زیرشاخه ای از هوش مصنوعی است که بر توانمندسازی کامپیوترها برای درک و تفسیر زبان انسان تمرکز دارد. NLP شامل استفاده از الگوریتم های یادگیری ماشین برای تجزیه و تحلیل و پردازش داده های زبان طبیعی مانند متن یا گفتار است.

پنج نمونه از NLP مورد استفاده در دنیای واقعی عبارتند از: تجزیه و تحلیل احساسات، ربات های گفتگو، ترجمه ماشینی، خلاصه سازی متن و تشخیص گفتار.

تجزیه و تحلیل احساسات

از NLP می توان برای تجزیه و تحلیل داده های متنی به منظور تعیین احساسات نویسنده نسبت به یک محصول، سرویس یا نام تجاری خاص استفاده کرد. این در اپلیکیشن هایی مانند نظارت بر رسانه های اجتماعی، تجزیه و تحلیل بازخورد مشتری و تحقیقات بازار استفاده می شود.

 یکی از کاربردهای رایج NLP تجزیه و تحلیل احساسات بازار ارز رمزنگاری است که در آن سرمایه گذاران و معامله گران احساسات پیرامون یک ارز رمزنگاری خاص را در رسانه های اجتماعی بررسی می کنند. برای مثال، سرمایه گذار می تواند از NLP برای بررسی توییت ها یا اخبار مربوط به یک ارز خاص استفاده کند تا از احساس کلی بازار نسبت به آن مطلع شود.

ربات های گفتگو

NLP را می توان برای ساخت رابط های مکالمه برای ربات های گفتگو (چت بات ها) استفاده نمود که می توانند جستجوهای زبان طبیعی را درک کنند و به آنها پاسخ دهند.

ترجمه ماشینی

NLP را می توان برای ترجمه یک متن از زبانی به زبان دیگر به کار برد. این در اپلیکیشن هایی مانند ” Google Translate” و” Skype Translator” و سایر سرویس های ترجمه استفاده می شود.

خلاصه کردن متن

NLP همچنین برای خلاصه کردن متن ها و مقالات طولانی به نسخه های کوتاه تر و مختصر به کار گرفته می شود. این در اپلیکیشن هایی مانند سرویس های جمع آوری اخبار، خلاصه مقالات پژوهشی و سایر خدمات تولید محتوا مورد استفاده قرار می گیرد.

تشخیص گفتار

NLP برای تبدیل زبان گفتاری به متن نیز استفاده می شود که امکان رابط های مبتنی بر صدا و دیکته را فراهم می کند.