Derin öğrenme algoritmaları ile Türkçe dilinde sahte haber tespiti
Detecting fake news in Turkish with deep learning algorithms
- Tez No: 654584
- Danışmanlar: PROF. DR. ECİR UĞUR KÜÇÜKSİLLE, DR. ÖĞR. ÜYESİ KAMİL TOPAL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
Son yıllarda internet kullanımının artmasıyla insanların bilgi ve haber alma kaynakları da değişmiştir. Radyo, televizyon, gazete ve dergi gibi geleneksel medya araçları yerine sosyal medya araçlarının kullanımı giderek artmaktadır. Geleneksel medyada haberler belirli bir kaynak tarafından gönderilirken, sosyal medyada her kullanıcı bir haber kaynağı olabilmektedir. Bu durum habere erişimi oldukça hızlandırmakta fakat sosyal medyadaki haberlerin bir süzgeçten geçirilmeden paylaşılması, sahte haberlerin büyük bir hızla yayılmasına neden olmaktadır. Çoğu sosyal medya platformunda, sahte haber tespiti uzmanlar tarafından yapılmaktadır. Yoğun paylaşım trafiği bulunan sosyal medya platformlarında, bu çalışma mantığı ile kısa sürede sahte haber tespiti mümkün olamamaktadır. Bu da sahte haberin kısa sürede çok kişi tarafından paylaşılmasına sebep olmaktadır. Bu nedenle, yarı otomatik ve otomatik sahte haber tespiti sistemleri, uzmanların görev yaptığı sistemlere göre daha kısa sürede sahte haber tespitini sağlayabilmektedir. Sahte haberleri kısa sürede tespit edebilmek için otomatik tespit sistemlerinin geliştirilmesi gerekmektedir. Bu tez çalışmasında, denetimli öğrenme ve denetimsiz öğrenme kullanılarak, Twitter sosyal ağında sahte haber tespiti yapılmış ve sonuçları incelenmiştir. Ayrıca kullanıcıların takipçi etkileşimleri, sosyal ağ analizi yöntemleriyle incelenmiştir. Denetimli öğrenme algoritmalarında 0.86 ve Derin öğrenme algoritmalarında 0.80 F1-metrik değeriyle başarılı sonuçlar alınmıştır. Denetimsiz öğrenme algoritmalarının F1-metrik değeri ise 0.72'de kalmıştır.
Özet (Çeviri)
In recent years, with the increase of internet usage, people's sources of information and information have also changed. Instead of traditional media such as radio, television, newspapers and magazines, the use of social media tools is increasing. In traditional media, news is sent by a certain source, whereas in social media, each user can be a news source. This situation accelerates access to the news, but sharing the news on social media without a filter causes fake news to spread rapidly. On most social media platforms, fake news detection is done by experts. In social media platforms with intensive sharing traffic, it is not possible to detect fake news in a short time with such expert systems. This causes fake news to be shared by many people in a short time. Therefore, semi-automatic and automatic fake news detection systems can detect fake news in a shorter time than expert systems. Automatic detection systems should be developed in order to detect fake news in a short time. In this thesis, fake news was detected in Twitter social network by using supervised learning, unsupervised learning and deep learning algorithms and the results were examined. In addition, the interactions of users with their followers were analyzed using social network analysis methods. Successful results were obtained with 0.86 F1-score in supervised learning algorithms and 0.80 F1-score in deep learning algorithms. The F1-score of unsupervised learning algorithms remained at 0.72.
Benzer Tezler
- Yapay zeka ve derin öğrenme algoritmaları kullanılarak internet ortamındaki heterojen veri kaynaklarından veri sorgulaması
Data querying from heterogeneous data sources on the internet using artificial intelligence and deep learning algorithms
KUBİLAY AYTURAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT HARDALAÇ
- Makine çevirisi ile Türkçe sözel ifadelerin python sözdiziminin oluşturulması
Generation of phyton syntax of Turkish verbal expressions with machine translation
MEHMET BOZDEMİR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METİN BİLGİN
- Derin öğrenme ve kelime gömme modelleri kullanarak parkinson hastalığının analizi
Parkinson disease analysis with deep learning and word embedding models
FEYZA ÇEVİK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP HİLAL KİLİMCİ
- Uydu görüntülerinden alınan halka açık binaların derin öğrenme yöntemleriyle sınıflandırılması ve performans ölçümü
Classification and performance measurement of public buildings from satellite images with deep learning methods
ŞEYMA KARABULUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. DERYA AVCI
- İntrakranial hemorajilerde unet tabanlı derin sinir ağları ile beyin BT görüntülerinin otomatik segmentasyonu ve volümetrik analizi
Automatic segmentation and volumetric analysis of intracranial hemorages in brain CT images with unet-based deep neural networks
MURAT YÜCE
Tıpta Uzmanlık
Türkçe
2023
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. AHMET TAN CİMİLLİ