Специалисты, которые трудятся в Массачусетском технологическом институте, работают в разных направлениях. В этот раз ими была представлена разработка, которая среди всех новостей может определить ложную информацию. Новая разработка умеет тонко улавливать отличия между ложной и реальной информацией. Ученые, которые занимались ее созданием, акцентируют внимание на необходимости проведения тщательной проверки такого детектора, чтобы тот в дальнейшем в реальных условиях мог действовать максимально эффективно.

Ложные новости используются для того, чтобы управлять общественным мнением. При их публикации на интернет-сайтах преследуется желание ввести пользователей в заблуждение, сделать так, чтобы у них сформировалось определенное мнение по конкретному вопросу. На сегодняшний день использование ложных новостей является распространенной формой пропаганды и большой проблемой, для борьбы с которой приходится искать эффективные способы.

Ученые решили создать автоматические детекторы, которые смогут определять поддельные новости, в том числе проверяя тексты на рерайтинг с помощью прогона через словарь синонимов онлайн. В основу таких детекторов положены нейронные сети, способные самостоятельно обучаться с помощью получения все новой и новой информации. При изучении учебного материала такие сети учатся определять лингвистические сигналы, которые являются признаками неверной информации. Качественное обучение детекторов помогает им в дальнейшем делить новости на реальные и выдуманные с максимальной точностью.

Модель датчиков ложных новостей, которая использовалась во время испытаний, предварительно прошла обучения. Для ее обучения учеными был использован набор ложных новостей, в количестве 12 тысяч сообщений, которые были собраны с 224 интернет сайтов. Использовались при обучении нейросети и реальные новости, которые были взяты из изданий New York Times и The Guardian в общем количестве 11 тысяч новостей.

Язык статей во время обучения воспринимается системой в виде вложенных слов, представленных в виде векторов. Тексты разбиваются ей не тройки слов, которые выступают в качестве шаблонов. При изучении новой статьи сеть выделяет такие шаблоны и проводит их многослойную проверку. По каждому такому шаблону она определяет, является он ложным или правдивым.

При обучении нейросети специалистами использовались статьи определенной направленности. Когда она уже во время испытаний читает похожие статьи, то точность выделения ложной информации составляет 93%. Показатель при изучении статей иных тематик, которые не были представлены во время процесса обучения, оказался меньшим и составил 87%.

Понравилась эта новость? Подпишись на нас в соцсетях!