লেখক:  (1) Yigit Ege Bayiz, ইলেকট্রিক্যাল অ্যান্ড কম্পিউটার ইঞ্জিনিয়ারিং দ্য ইউনিভার্সিটি অফ টেক্সাস অস্টিন অস্টিন, টেক্সাস, ইউএসএ (ইমেল: egebayiz@utexas.edu);  (2) Ufuk Topcu, Aerospace Engineering and Engineering Mechanics The University of Texas at Austin Austin, Texas, USA (ইমেল: utopcu@utexas.edu)।  লিঙ্কের টেবিল   বিমূর্ত এবং ভূমিকা   সম্পর্কিত কাজ   প্রাথমিক   সর্বোত্তম প্রিবাঙ্কিং সমস্যা   ডিটারমিনিস্টিক বেসলাইন পলিসি   সাময়িকভাবে ইকুইডিস্ট্যান্ট প্রিবাঙ্কিং   সংখ্যাসূচক ফলাফল   উপসংহার এবং রেফারেন্স  ২. সম্পর্কিত কাজ   উ: ভুল তথ্যের বিরুদ্ধে লড়াই  আমরা ভুল তথ্য প্রতিরোধের পদ্ধতিগুলিকে চারটি বিভাগে শ্রেণীবদ্ধ করি, সেন্সরশিপ, ডিবাঙ্কিং, প্রিবাঙ্কিং এবং সনাক্তকরণ, প্রথম তিনটি বিভাগ সমস্ত ভুল তথ্যের প্রভাব কমানোর চেষ্টা করে। সেন্সরশিপ বলতে বোঝায় যে কোনো পদ্ধতি, যার লক্ষ্য নেটওয়ার্কে তথ্যের প্রচার নিয়ন্ত্রণ করার চেষ্টা করে ভুল তথ্যের বিস্তার রোধ করা [৭], [৮]। সোশ্যাল নেটওয়ার্কিং প্ল্যাটফর্মগুলিতে সেন্সরশিপ সাধারণ, তবুও এটি বাকস্বাধীনতার সাথে সম্পর্কিত গুরুত্বপূর্ণ সমস্যাগুলি উত্থাপন করে৷  ডিবাঙ্কিং বলতে ভুল তথ্য ছড়িয়ে পড়ার পরে ব্যবহারকারীদের সঠিক তথ্য প্রদান করে ভুল তথ্য সংশোধন করা বোঝায়, যেখানে প্রিবাঙ্কিং বলতে ভুল তথ্য প্রচারের আগে সঠিক তথ্য জারি করা বোঝায়। ডিবাঙ্কিং এর একটি স্বয়ংক্রিয় উদাহরণ হল অসংখ্য স্বয়ংক্রিয় ফ্যাক্ট-চেকিং পদ্ধতি যার সবগুলোই উদ্দেশ্য ভুল তথ্যপূর্ণ পাঠ্য বিষয়বস্তুকে ডিবাঙ্ক করা [৯], [১০]। সামাজিক মনোবিজ্ঞানের বর্তমান বোধগম্যতা ইঙ্গিত করে যে প্রিবাঙ্কিংকে ভুল তথ্যের মোকাবিলায় এর কার্যকারিতার পরিপ্রেক্ষিতে ডিবাঙ্কিংয়ের চেয়ে উচ্চতর হতে হবে [4], [6], [11]। এই কাগজে, আমরা একটি সামাজিক নেটওয়ার্কিং প্ল্যাটফর্মে ব্যবহারকারীদের কাছে প্রিবাঙ্কের বিতরণের সময় স্বয়ংক্রিয়ভাবে অপ্টিমাইজ করার জন্য অ্যালগরিদমগুলি বিকাশের মাধ্যমে প্রিবাঙ্কিংয়ের অটোমেশনে অবদান রাখি।  শনাক্তকরণ বলতে বোঝায় যে কোনো পদ্ধতি যার লক্ষ্য একটি সামাজিক নেটওয়ার্কের মধ্যে ভুল তথ্যপূর্ণ বিষয়বস্তু সনাক্ত করা। এই মডেলগুলি প্রায়শই প্রাকৃতিক ভাষা প্রক্রিয়াকরণ মডেলগুলি ব্যবহার করে [12], [13]। ডেল ভিকারিও এট আল। [১৪] দেখিয়েছে যে ভুল তথ্যের প্রচারের বৈশিষ্ট্যগুলি বিষয়বস্তু শ্রেণীবিভাগের উপর নির্ভর না করে সনাক্তকরণকে স্বীকার করে। অতি সম্প্রতি, Shaar et al. [১৫] এমন একটি পদ্ধতি প্রবর্তন করুন যার সাহায্যে ইতিমধ্যেই ফ্যাক্ট-চেক করা দাবি শনাক্ত করা যায়। এই কাগজে আমরা সরাসরি ভুল তথ্য সনাক্তকরণ ব্যবহার করি না। যাইহোক, আমরা অনুমান করি যে আমরা ইতিমধ্যেই ভুল তথ্যের বিষয়বস্তু জানি, এইভাবে সঠিক ভুল তথ্য সনাক্তকরণ আমাদের উপস্থাপন করা পদ্ধতিগুলির জন্য একটি পূর্বশর্ত রয়ে গেছে।   B. গুজব প্রচারের মডেল  প্রিবাঙ্কিং ডেলিভারির জন্য সর্বোত্তম সময় নির্ধারণের জন্য সঠিক অনুমান প্রয়োজন কখন ভুল তথ্য আগ্রহের ব্যবহারকারীর কাছে পৌঁছাবে। এই অনুমান একটি গুজব প্রচার মডেল প্রয়োজন. এই কাগজে, আমরা ভুল তথ্য প্রচারের মডেলের জন্য মহামারী মডেলগুলির উপর ব্যাপকভাবে নির্ভর করি [16], যা কম্পার্টমেন্টাল মডেল হিসাবেও পরিচিত। তাদের নাম অনুসারে, এই মডেলগুলি এপিডেমিওলজি এবং মডেল গুজব প্রচারের উপর ভিত্তি করে ব্যবহারকারীদের বিভিন্ন বিভাগে বিভক্ত করে, যেমন সংবেদনশীল, বা সংক্রামিত, এবং তারপর নিয়মগুলি সংজ্ঞায়িত করে যার দ্বারা এই পার্টিশনগুলি সময়ের সাথে সাথে যোগাযোগ করে। মহামারী মডেলের বিস্তৃত পরিসর রয়েছে যা ভুল তথ্য মডেলিংয়ে ব্যবহৃত হয় [17]। এর মধ্যে সবচেয়ে বেশি হল, SI [18], SIR [19], [20], SIS [21], [22] মডেল। এসআই (সংবেদনশীল-সংক্রমিত) মডেলগুলি মডেল করা সহজ এবং প্রায়শই একমাত্র মডেল যা নির্বিচারে গ্রাফ মডেলগুলির সাথে বিশ্লেষণের অনুমতি দেয়। এসআইআর (সংবেদনশীল-সংক্রমিত-পুনরুদ্ধার করা) এবং এসআইএস (সংবেদনশীল-সংক্রমিত-সংবেদনশীল) এসআই মডেলকে পরিমার্জন করে, সিমুলেশনে উল্লেখযোগ্য গণনাগত জটিলতা প্রবর্তন না করেই এগুলিকে আরও নির্ভুল করে তোলে। এই পরিমার্জন সত্ত্বেও, SI প্রচার এখনও তার সরলতার কারণে ব্যবহার খুঁজে পায়, এবং ভুল তথ্য প্রচারের প্রাথমিক পর্যায়ের জন্য SIS এবং SIR মডেলের সাথে তুলনীয় আচরণের কারণে, যা ভুল তথ্য প্রতিরোধের জন্য সবচেয়ে গুরুত্বপূর্ণ পর্যায়। এই কাগজ জুড়ে, আমরা ভুল তথ্য প্রচার অনুমান করার জন্য একটি SI মডেল ব্যবহার করি।  এই কাগজটি CC 4.0 লাইসেন্সের অধীনে   । arxiv-এ উপলব্ধ

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Crafting compelling perspectives in media, sparking thought-provoking discussions on diverse opinions and viewpoints.

Editorialist's blog

গল্পের মূল ভাষায় এই অডিও তৈরি!

অতিদীর্ঘ; পড়তে

Boost your HackerNoon story @ $159.99! 🚀

ফেক নিউজ মোকাবেলার কার্যকর পদ্ধতি: সেন্সরশিপ, ডিবাঙ্কিং এবং প্রিবাঙ্কিং

About Author

মন্তব্য

আসে ট্যাগ

এই নিবন্ধটি উপস্থাপন করা হয়েছে

Related Stories

বিটকয়েন UTXO এর মডেল, একটি অনন্য ইকোসিস্টেমকে শক্তিশালী করে

ক্রিপ্টো গ্রোথ: কার্যকরী ব্যবহারকারী ব্যক্তিত্ব তৈরি করা

ফোরাম থেকে ফিড পর্যন্ত: কীভাবে সোশ্যাল মিডিয়া অ্যালগরিদম ডিজিটাল ইন্টারঅ্যাকশনকে আকার দেয়

হ্যাকারনুন লেখার প্রতিযোগিতা জিততে চান? #crypto-api প্রতিযোগিতার বিজয়ীরা কী সুপারিশ করেন তা এখানে

বিটকয়েন UTXO এর মডেল, একটি অনন্য ইকোসিস্টেমকে শক্তিশালী করে

ক্রিপ্টো গ্রোথ: কার্যকরী ব্যবহারকারী ব্যক্তিত্ব তৈরি করা

ফোরাম থেকে ফিড পর্যন্ত: কীভাবে সোশ্যাল মিডিয়া অ্যালগরিদম ডিজিটাল ইন্টারঅ্যাকশনকে আকার দেয়

হ্যাকারনুন লেখার প্রতিযোগিতা জিততে চান? #crypto-api প্রতিযোগিতার বিজয়ীরা কী সুপারিশ করেন তা এখানে

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps