كشف الأخبار المزيفة (Fake News Detection)
نموذج يحدد مصداقية الأخبار باستخدام NLP
مقدمة المشروع
في هذا المشروع العملي، ستتعلم كيفية نموذج يحدد مصداقية الأخبار باستخدام nlp. هذا المشروع مصمم خصيصاً لمستوى متوسطويستغرق تقريباً 2-3 أسابيع لإكماله بشكل كامل.
سنتبع منهجية CRISP-DM (Cross-Industry Standard Process for Data Mining) المعترف بها عالمياً، والتي تضمن بناء مشروع احترافي قابل للتطبيق في بيئة الإنتاج.
ماذا ستتعلم؟
خطوات العمل التفصيلية
اتبع هذه الخطوات الست لبناء مشروع احترافي
Business Understanding
فهم المشكلة
تحديد الأهداف والمتطلبات من منظور الأعمال
الخطوات العملية:
مكافحة المعلومات المضللة
Data Understanding
فهم البيانات
جمع البيانات الأولية والتعرف عليها وتحديد جودتها
الخطوات العملية:
LIAR Dataset أو FakeNewsNet
Data Preparation
تحضير البيانات
تنظيف وتحويل البيانات لتكون جاهزة للنمذجة
الخطوات العملية:
استخلاص features (source, headline, body)
Modeling
بناء النموذج
اختيار وتطبيق تقنيات النمذجة المناسبة
الخطوات العملية:
Fine-tune BERT + إضافة metadata features
Evaluation
التقييم
تقييم النموذج والتأكد من تحقيق الأهداف
الخطوات العملية:
ROC-AUC و Confusion Matrix
Deployment
النشر
نشر النموذج في بيئة الإنتاج
الخطوات العملية:
إضافة متصفح للتحقق من الأخبار