العودة للمشاريع
مصدر — منصة كشف الأخبار الزائفة العربية
مشروع التخرج؛ منصة لكشف الأخبار الزائفة بالعربية، بدقة كشف بلغت 85٪ على أكثر من عشرة آلاف محتوى.
- دوري
- مشروع تخرج
- التقنيات
- Python / TensorFlow / AraBERT / ChromaDB / Flask
شكل ٠٨ معماريتان لكشف الأخبار الزائفة
- 85% دقة الكشف بعد الضبط الدقيق لـ AraBERT
- 10,000+ محتوى إخباري عربي في مجموعة التقييم
- 2 معماريتان للمقارنة — ضبط دقيق، واسترجاع معزز بالتوليد
درجة التصنيف في المحاكاة توضيحية؛ الدقة الفعلية في البطاقات أدناه. اقرأ الرسم
- الخبر المراد التحقق منه — نص عربي فقط.
- الضبط الدقيق: نموذج AraBERT مُدرَّب على أخبار زائفة عربية منتقاة، يصنّف الخبر مباشرة.
- RAG: يُحوَّل الخبر إلى متجه، وتُسترجع أقرب الأخبار الموثّقة من ChromaDB.
- نموذج لغوي عربي: يحكم على الخبر مستندًا إلى ما استُرجع، لا إلى ذاكرته وحدها.
- النتيجة: تصنيف الخبر، مع المصادر في حالة RAG — بدّل بين المعماريتين من الأزرار أدناه.
المشكلة
الأخبار الزائفة بالعربية تنتشر بسرعة، وأغلب أدوات الكشف مبنية للإنجليزية.
دوري
مشروع التخرج من جامعة الملك سعود.
القرارات
- الضبط الدقيق: ضُبط نموذج AraBERT على مجموعة بيانات منتقاة من الأخبار الزائفة العربية.
- إعادة البناء بـ RAG: أعيد بناء المنصة لاحقًا بمعمارية استرجاع معزز بالتوليد باستخدام ChromaDB ونماذج لغوية عربية، لمقارنة المعماريتين.
ما يمكن إثباته
دقة كشف بلغت 85٪ على أكثر من عشرة آلاف محتوى، بنموذج AraBERT المضبوط. الدرجات في الرسم أعلاه محاكاة توضيحية، لا مخرجات النموذج.