네바다 대학교 (University of Nevada)의 새로운 연구에 따르면 온라인 피망 슬롯은 국내 안보, 민주주의 기관 및 공중 보건에 대한 위협이 커지고 있습니다. 가장 최근의 두 가지 주목할만한 예는 선거 사례 잘못된 정보로 미국 국회 의사당과 반 예방 접종 피망 슬롯에서 2021 년 반란을 일으켰으며, 이는 Covid-19의 흐름을 돌리기위한 과학적 노력을 계속 약화시킨다.
최근에 출판 된 논문에서응용 프로그램이있는 전문가 시스템, University College of Business의 정보 시스템 조교수 인 Arash Barfar는 인터넷에서 전파 컨텐츠의 자동 탐지 및 피망 슬롯을위한 모델을 개발하고 테스트했습니다..
Barfar는 39 개의 선전 및 30 개의 신뢰할 수있는 뉴스 소스에서 거의 205,000 개의 기사를 포함하는 데이터 세트를 구성했으며 각 기사에 대해 92 개의 언어 기능을 계산했습니다. 그런 다음 온라인 피망 슬롯 감지하는 예측 모델을 구축했습니다.
“최종 예측 모델은 우수한 예측 성능 외에도 기준선 모델을 능가하는데, 이는 청중 타겟팅을위한 봇과 알고리즘을 이용하는 계산 피망 슬롯 적시에 탐지하는 데 특히 중요하다”고 Barfar는 말했다. "데스크탑 컴퓨터에서 몇 초 밖에 걸리지 않아 205,000 개의 뉴스 기사에서 선전 탐지 모델을 구축합니다. 각각 거의 100 개의 언어 기능이 있습니다."
그러나 Barfar는 복잡한 모델의 예측 성능과 상호 운용성 사이에 종종 상충 관계가 있다고 언급했습니다.
“특히 복잡한 모델이 최첨단 예측 성과, 해석 및 결정에 대한 피망 슬롯이 더 어려워지면서”라고 그는 말했다. "복잡한 기계 학습 모델이 특정 예측을하는 이유를 피망 슬롯 할 수 없으면 정확도에 관계없이 모델에 대한 사용자의 신뢰를 잠재적으로 낮출 수 있습니다."
이것에 의해 동기 부과 인 Barfar는 연합 게임 이론 아이디어를 통해 뉴스 기사의 각 피망 슬롯 측면이 모델이 제안한 전파 적 점수에 미치는 영향을 설명합니다.
피망 슬롯 점수에 대한 실시간 그래픽 설명은 부분적으로 판단에 대한 사용자 신뢰를 향상시키고 모델을 크게 받아 들일 수 있습니다.
그는 모든 예측에 걸쳐 각 언어 기능의 기여를 더욱 집계하여 피망 슬롯 론적 내용을 마스킹하는 데 도움이되는 중요한 언어 적 측면에 대한 높은 수준의 견해를 생성함으로써 피망 슬롯이 영어를 사용하여 사람들의 의견을 흔들거나 대중의 지원을 소지하는 방법을 설명합니다.
제안 된 모델의 응용은 오늘날의 미국 사이버 공간에서 선전에 대응하는 기술 개발에 추가됩니다. 예를 들어,이 모델은 선전 컨텐츠에 대한 텍스트를 검사 할 수 있으며, 이는 알려지지 않은 출처의 선전으로 인터넷을 오염시키는 소셜 미디어 계정을 찾는 데 도움이됩니다. 또한,이 연구에서 언어/게임 이론적 접근 방식은 반아신성 피망 슬롯 탐지하고 설명하는데도 적용될 수 있습니다.
