लेखक:  (1) यिगित एगे बायिज़, इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग द यूनिवर्सिटी ऑफ टेक्सास ऑस्टिन ऑस्टिन, टेक्सास, यूएसए (ईमेल: egebayiz@utexas.edu);  (2) उफुक तोपकु, एयरोस्पेस इंजीनियरिंग और इंजीनियरिंग मैकेनिक्स द यूनिवर्सिटी ऑफ टेक्सास, ऑस्टिन ऑस्टिन, टेक्सास, यूएसए (ईमेल: utopcu@utexas.edu)।  लिंक की तालिका   सार और परिचय   संबंधित काम   प्रारंभिक   इष्टतम प्रीबंकिंग समस्या   नियतात्मक आधारभूत नीतियाँ   अस्थायी रूप से समान दूरी पर प्रीबंकिंग   संख्यात्मक परिणाम   निष्कर्ष और संदर्भ  II. संबंधित कार्य   A. गलत सूचना का प्रतिकार  हम गलत सूचना का मुकाबला करने के तरीकों को चार श्रेणियों में वर्गीकृत करते हैं, सेंसरशिप, डिबंकिंग, प्रीबंकिंग और पहचान, पहली तीन श्रेणियां गलत सूचना के प्रभाव को कम करने का प्रयास करती हैं। सेंसरशिप किसी भी विधि को संदर्भित करता है, जिसका उद्देश्य नेटवर्क में सूचना के प्रसार को नियंत्रित करने का प्रयास करके गलत सूचना के प्रसार को रोकना है [7], [8]। सोशल नेटवर्किंग प्लेटफ़ॉर्म में सेंसरशिप आम है, फिर भी यह अभिव्यक्ति की स्वतंत्रता से संबंधित महत्वपूर्ण मुद्दों को उठाती है।  डिबंकिंग का मतलब गलत सूचना के पहले से ही फैल जाने के बाद उपयोगकर्ताओं को सही जानकारी प्रदान करके गलत सूचना को सही करना है, जबकि प्रीबंकिंग का मतलब गलत सूचना के फैलने से पहले सही जानकारी जारी करना है। डिबंकिंग का एक स्वचालित उदाहरण कई स्वचालित तथ्य-जांच विधियाँ हैं जिनका उद्देश्य गलत सूचना देने वाली पाठ सामग्री का डिबंक करना है [9], [10]। सामाजिक मनोविज्ञान की वर्तमान समझ गलत सूचना का मुकाबला करने में इसकी प्रभावशीलता के संदर्भ में डिबंकिंग से बेहतर होने का संकेत देती है [4], [6], [11]। इस पत्र में, हम सोशल नेटवर्किंग प्लेटफ़ॉर्म में उपयोगकर्ताओं को प्रीबंक की डिलीवरी के समय को स्वचालित रूप से अनुकूलित करने के लिए एल्गोरिदम विकसित करके प्रीबंकिंग के स्वचालन में योगदान करते हैं।  पहचान किसी भी विधि को संदर्भित करती है जिसका उद्देश्य किसी सामाजिक नेटवर्क के भीतर गलत सूचना देने वाली सामग्री का पता लगाना है। ये मॉडल अक्सर प्राकृतिक भाषा प्रसंस्करण मॉडल [12], [13] का उपयोग करते हैं। डेल विकारियो एट अल। [14] ने दिखाया है कि गलत सूचना के प्रसार की विशेषताएँ सामग्री वर्गीकरण पर निर्भर किए बिना पता लगाने की अनुमति देती हैं। हाल ही में, शार एट अल। [15] ने एक ऐसी विधि पेश की है जिसके साथ पहले से ही तथ्य-जांच किए गए दावों की पहचान की जा सकती है। इस पत्र में हम सीधे तौर पर गलत सूचना का पता लगाने का उपयोग नहीं करते हैं। हालाँकि, हम मानते हैं कि हम पहले से ही गलत सूचना की सामग्री जानते हैं, इसलिए हमारे द्वारा प्रस्तुत विधियों के लिए सटीक गलत सूचना का पता लगाना एक शर्त है।   बी. अफवाह प्रसार मॉडल  प्रीबंकिंग डिलीवरी के लिए इष्टतम समय निर्धारित करने के लिए सटीक अनुमान लगाने की आवश्यकता होती है कि गलत सूचना रुचि के उपयोगकर्ता तक कब पहुंचेगी। इस अनुमान के लिए अफवाह प्रसार मॉडल की आवश्यकता होती है। इस पत्र में, हम गलत सूचना प्रसार को मॉडल करने के लिए महामारी मॉडल [16] पर बहुत अधिक निर्भर करते हैं, जिन्हें कम्पार्टमेंटल मॉडल के रूप में भी जाना जाता है। जैसा कि उनके नाम से पता चलता है, ये मॉडल महामारी विज्ञान पर आधारित हैं, और उपयोगकर्ताओं को विभिन्न श्रेणियों, जैसे अतिसंवेदनशील, या संक्रमित में विभाजित करके अफवाह प्रसार को मॉडल करते हैं, और फिर नियम परिभाषित करते हैं जिसके द्वारा ये विभाजन समय के साथ परस्पर क्रिया करते हैं। महामारी मॉडल की एक विस्तृत श्रृंखला है जिसका उपयोग गलत सूचना मॉडलिंग में किया जाता है [17]। इनमें से सबसे अधिक हैं, एसआई [18], एसआईआर [19], [20], एसआईएस [21], [22] मॉडल। एसआईआर (संवेदनशील-संक्रमित-पुनर्प्राप्त) और एसआईएस (संवेदनशील-संक्रमित-संवेदनशील) एसआई मॉडल को परिष्कृत करते हैं, जिससे सिमुलेशन में महत्वपूर्ण कम्प्यूटेशनल जटिलता को पेश किए बिना उन्हें अधिक सटीक बनाया जाता है। इन परिशोधनों के बावजूद, एसआई प्रसार अभी भी अपनी सरलता के कारण उपयोग में आता है, और गलत सूचना प्रसार के प्रारंभिक चरण के लिए एसआईएस और एसआईआर मॉडल के साथ तुलनीय व्यवहार होने के कारण, जो गलत सूचना का मुकाबला करने के लिए सबसे महत्वपूर्ण चरण है। इस पूरे पेपर में, हम गलत सूचना प्रसार का अनुमान लगाने के लिए एक एसआई मॉडल का उपयोग करते हैं।  यह पेपर CC 4.0 लाइसेंस के अंतर्गत   है। arxiv पर उपलब्ध

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

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

बहुत लंबा; पढ़ने के लिए

Boost your HackerNoon story @ $159.99! 🚀

फर्जी खबरों से निपटने के लिए प्रभावी तरीके: सेंसरशिप, खंडन और प्रीबंकिंग

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

He/Him/Master of Discovery

Paint us Red and Call us Santa! Our Devs Just Gifted You a Sleigh of New Features!

क्रिप्टो ग्रोथ: प्रभावी उपयोगकर्ता व्यक्तित्व बनाना

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

He/Him/Master of Discovery

Paint us Red and Call us Santa! Our Devs Just Gifted You a Sleigh of New Features!

क्रिप्टो ग्रोथ: प्रभावी उपयोगकर्ता व्यक्तित्व बनाना

10 Reasons Why Publishing on HackerNoon Will Skyrocket Your Reach and Impact

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps