الكشف عن الأخبار ال ازئفة باللغة العربية باستخدام نماذج التعلم العميق المح ّسنة بالخوارزمية الجينية

الملخص

شهدت السنوات الأخيرة تزايدًا كبيرًا في انتشار الأخبار الكاذبة عبر وسائل التواصل الاجتماعي والمنصات الرقمية، الأمر الذي أضعف ثقة الجمهور في وسائل الإعلام التقليدية وأثار تحديات خطيرة على المستويات الاجتماعية والسياسية والصحية. في السياق العربي، يزداد هذا التحدي تعقيدًا نتيجة ندرة الأدوات الفعالة لمعالجة اللغة العربية. تهدف هذه الدراسة إلى اقتراح نموذج هجين يجمع بين نموذج المحول اللغوي العربي AraBERT لاستخراج التمثيلات السياقية العميقة، وطبقات الشبكات العصبية الالتفافية (CNN) لاستخلاصالخصائص المحلية، مع توظيف الخوارزمية الجينية GA لتحسين المعلمات الفائقة. تم تقييم النموذج على مجموعة بيانات عربية تتضمن مقالات إخبارية مصنفة إلى أخبار حقيقية وزائفة، مع معالجة عدم التوازن بين الفئات باستخدام أوزان الفئات. أظهرت النتائج أن النموذج الهجين المحسّن بالخوارزمية الجينية تفوق على النماذج التقليدية مثل LSTMنموذج الذاكرة طويلة المدى، والنماذج الحديثة مثل نموذج المحول اللغوي العربي محققًا دقة كلية تجاوزت 96% ومعدل أداء متوازنF1-score مرتفع لفئة الأقلية (الأخبار الحقيقية). تبرز أهمية هذا البحث في كونه يقدم إطارًا متكاملًا يجمع بين قوة نماذج المحولات ومرونة الخوارزميات الجينية، مما يعزز الجهود المبذولة لمكافحة التضليل الإعلامي باللغة العربية وتطوير نظم ذكية ذات موثوقية أعلى.