Hızlandırılmış makine öğrenmesi algoritmaları ile Türkçe sahte haber tespiti
Fake news detection in Turkish with accelerated machine learning algorithms
- Tez No: 755464
- Danışmanlar: PROF. DR. OĞUZ FINDIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
İnternetin hızla yayılmasıyla insanların haber alma kaynakları da değişmektedir. Televizyon ve gazete gibi geleneksel medya platformlarının yerine twitter ve instagram gibi sosyal medya platformlarının kullanımı artmaktadır. Bu artış ile haberlerin doğruluğunun araştırılmadan paylaşılmasına sahte haberlerin yayılmasına neden olmaktadır. Bilinçsiz sosyal medya kullanımından dolayı sahte haberler kısa sürede yayılmaktadır. Sahte haberler, insanları aldatmaya yönelik yapılan gerçek dışı haberlerdir. Sosyal medya platformlarının çoğunda sahte haber tespiti uzmanlar tarafından yapılmaktadır. Yoğun trafiğe sahip platformlarda uzmanların haberleri inceleme süresi uzadığından, sahte haberler yayılmaktadır. Böylece sahte haberlerin kısa sürede tespit edilmesi önemlidir. Yapılan bu çalışmanın amacı, literatürde eksik olan Türkçe sahte haberleri tespit etmek ve uzmanlara kolaylık sağlamaktır. Literatürde bulunan Sahte Haber Tespiti çalışmalarının çoğu İngiliz diline aittir. Türkçe gibi sondan eklemeli diller için Sahte Haber Tespiti konusunda az sayıda çalışma bulunmaktadır. Bu tez çalışması kapsamında makine öğrenmesi alanında topluluk yaklaşımı kullanılarak sahte haber tespiti için çözüm geliştirilmiştir. Önerilen modelde Boosting yöntemlerinin türleri olan Catboost, Adaboost, Gradient Boosting, Light GBM ve XGBoost algoritmaları kullanılmıştır. Bu algoritmalar, hiper parametre ayarları sayesinde yüksek performans göstermesi ve modele kolayca uyum sağlamaları nedeniyle tercih edilmiştir. Sonuç olarak, yaygın bir şekilde kullanılan performans değerlendirme metrikleri ile önerilen modelin performansı doğrulamıştır. Önerilen modellerden Boosting Algoritmalarının literatürde kullanılan diğer algoritmalara göre daha iyi sonuçlar verdiği gözlemlenmiştir.
Özet (Çeviri)
With the rapid spread of the Internet, people's sources of information are also changing. The use of social media platforms is increasing instead of traditional media platforms. With this increase, the sharing of the news without investigating the accuracy of the news causes the spread of fake news. Due to the unconscious use of social media, fake news spreads in a short time. Fake news is fake news made to deceive people. In most of the social media platforms, fake news detection is done by experts. Fake news spreads as it takes longer for experts to review news on high-traffic platforms. The aim of this study is to identify the missing Turkish fake news in the literature and to provide convenience to the experts. Most of the Fake News Detection studies found in the literature belong to the English language. There are few studies on Fake News Detection for agglutinative languages such as Turkish. Within the scope of this thesis, a solution has been developed for fake news detection by using the community approach in the field of machine learning. In the proposed model, Catboost, Adaboost, Gradient Boosting, Light GBM and XGBoost algorithms, which are the types of Boosting methods, are used. These algorithms have been preferred due to their high performance. As a result, the performance of the proposed model was validated with widely used performance evaluation metrics. It has been observed that Boosting Algorithms from the proposed models give better results than other algorithms used in the literature.
Benzer Tezler
- Yaşam analizinde uyarlanmış en çok olabilirlik tahmininin kullanılması ve klasik istatistiksel yöntemler ve makine öğrenmesi algoritmaları ile karşılaştırılması
The use of modified maximum likelihood estimation in survival analysis and its comparisons with traditional statistical methods and machine learning algorithms
SİBEL BALCİ
Doktora
Türkçe
2024
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. KEVSER SETENAY ÖNER
- Makine öğrenmesi ile metin sınıflandırma: Bakım yönetim sistemi örneği
Text classification with machine learning: An example of a maintenance management system
İBRAHİM BURAK TOSUN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞLA EDİZ
- Gabor filtreleri ve seyrek gösterim ile SAR görüntülerinde otomatik hedef tanıma
Automatic target recognition in SAR images by using sparse representation and Gabor filters
AHMET KARAGÖZ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İRFAN KARAGÖZ
- Operasyon işlemlerinin hızlandırılmasında veri madenciliginin kullanılması
Accelerating operational processes by using data mining techniques
SEYHAN AMASYALI
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. BANU DİRİ
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM