Огромный объем информации, производимой каждый день, затрудняет различие между реальными и поддельными новостями, но достижения в области обработки естественного языка (NLP) представляют возможное решение.
В сегодняшнюю цифровую эпоху распространение информации через социальные сети и интернет-платформы дало людям возможность получать доступ к новостям из множества различных источников. Рост числа поддельных новостей, между тем, является недостатком этой независимости. Поддельные новости - это неточная информация, которая была целенаправленно распространена, чтобы запутать общественность и подорвать доверие к авторитетной журналистике. Поддержание информированного и сплоченного мирового сообщества требует выявления и устранения поддельных новостей.
NLP, раздел искусственного интеллекта, наделяет компьютеры способностью понимать и интерпретировать человеческий язык, что делает его важнейшим инструментом для выявления вводящей в заблуждение информации. В этой статье рассматривается, как NLP может быть использовано для выявления поддельных новостей, и приводятся примеры того, как его можно использовать для выявления вводящих в заблуждение данных.
Сентиментальный анализ
Для выявления поддельных новостей эффективной стратегией может быть анализ настроений с использованием НЛП. Алгоритмы НЛП могут определить намерения и любые предвзятости автора, анализируя эмоции, отображаемые в новостной статье или публикации в социальных сетях. Поддельные новости часто наживаются на эмоциях читателей, используя сильные выражения или преувеличения.
Извлечение фраз мнений из отзывов пользователей с помощью Stanford CoreNLP http://t.co/t6VIzfNRfz #машинноеобучение #нлп pic.twitter.com/RHiTl40Q7c
— Джулиан Хиллебранд (@JulianHi) 11 сентября 2014
Например, новостной материал, освещающий политический инцидент, может быть идентифицирован с помощью модели анализа настроений на основе НЛП как существенно предвзятый в пользу конкретной партии и использующий эмоционально окрашенный язык для воздействия на общественное мнение.
Семантический анализ и проверка фактов
Чтобы подтвердить точность материала, инструменты проверки фактов, основанные на NLP, могут анализировать содержание новостной статьи по надежным источникам или базам данных. Выделяя несоответствия, которые могут указывать на поддельные новости, семантический анализ помогает понять значение и контекст используемого языка.
Например, система проверки фактов на основе НЛП может мгновенно сопоставить утверждение новостной статьи о том, что известная знаменитость одобряет спорный продукт, с надежными источниками, чтобы убедиться в его достоверности.
Распознавание именованных объектов (NER)
В NLP распознавание именованных объектов (NER) позволяет компьютерам распознавать и классифицировать конкретные объекты, на которые ссылаются в тексте, такие как отдельные лица, группы, места или даты. Идентифицируя значимых игроков, поддельные новости можно развенчать, обнаружив противоречия или выдуманную информацию.
Распознавание именованных объектов (NER) идентифицирует и классифицирует объекты в тексте.
Вы можете извлекать структурированную информацию для информационного поиска и управления знаниями.
— Simform (@simform) 31 июля 2023 года
Примерами несуществующих организаций или регионов, которые алгоритмы NER могут выделить как потенциальные признаки ложных новостей, являются упоминания в новостных статьях о предполагаемых экологических катастрофах.
Распознавание сенсационности и наживки
Модели NLP могут быть обучены распознавать сенсационные формулировки и заголовки с наживкой на кликбейт, которые являются характерными чертами поддельных новостей. Эти методы могут помочь отфильтровывать ложную информацию и ранжировать заслуживающие доверия источники новостей.
Например, сенсационные фразы и завышенные утверждения, которые часто сопровождают статьи с наживкой на кликбейт, можно найти, проанализировав заголовки и контент с использованием алгоритма, основанного на NLP.
Оценка надежности источника
Методы НЛП способны анализировать историческую информацию о новостных организациях, такую как их положение, надежность и точность исторических отчетов. Эти данные могут быть использованы для оценки достоверности свежего контента и выявления потенциальных источников поддельных новостей.
Например, система, основанная на NLP, может оценить законность менее известного веб-сайта, опубликовавшего поразительный новостной репортаж, прежде чем признать контент достоверным.
" 
