تعزيز دقة كشف النصوص المزيفة العميقة باستخدام التعلم العميق وتقنيات المعالجة المسبقة

Abstract

شهدت التطورات الأخيرة في النماذج اللغوية الكبيرة (Large language models - LLMs) تقدمًا كبيراً في توليد النصوص المشابهة للنصوص البشرية. تميزت هذه النماذج  بقدرات كبيرة في كتابة محتوى متنوع مثل المقالات الإخبارية والقصص والنصوص العلمية. هذا يؤكد أهمية اكتشاف هذه النصوص لتجنب المخاطر المحتملة كإنتشار الأخبار المزيفة والسرقة الأدبية وضمان سلامة النص في مجالات مختلفة مثل القانون والتعليم والعلوم.

في بداية بحثنا هذا كان اكبر تحديً لنا هو عدم وجود مجموعة بيانات تحتوي على نصوص عربية مزيفة وحقيقية وكانت مجموعة بيانات النصوص الإنجليزية المتوفرة قديمة ومحدودة وتحتاج لتحديث. بناءاً عليه جمعنا نصوصا عربية وانجليزية مكتوبة بشرياً وانتجنا نصوصاً مزيفة من خلال نماذج لغوية كبيرة. قمنا ببناء نموذجين مختلفين لكشف النصوص الانجليزية والعربية المزيفة العميقة. استخدمنا في النموذج الأول تقنيات المعالجة المسبقة وخوارزمية (long short-term memory network - LSTM). وقد حقق النموذج دقة عالية في كشف النصوص الانجليزية بلغت 96%  و 56% للنصوص العربية.