Yalan haber yayılımının duygu analiziyle incelenmesi ve metin sınıflandırmada yapay sinir ağlarının başarımlarının karşılaştırılması
Investigation of fake news spread with sentiment analysis and performance comparison of neural networks for text classification
- Tez No: 771624
- Danışmanlar: DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Duygu analizi, Metin madenciliği, Metin sınıflandırma, Uzun kısa süreli bellek, Yapay sinir ağları, Sentiment analysis, Text mining, Text categorization, Long- short term memory, Artificial neural networks
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal medyanın haber kaynağı olarak kullanılması günümüzde oldukça yaygındır. Ancak karşılaşılan haberlerin doğruluğunun sorgulanmadan ve kontrol edilmeden doğru kabul edilmesi, yalan haberlerin yayılmasının ana nedenlerindendir. Sosyal medya kullanıcıları için, haberin doğruluğu kanıtlardan ziyade fikir ve duyguların kontrolü altında olduğundan, yalan haberlerin yayılmasında hangi duygunun daha etkili olduğu sorusu ortaya çıkmaktadır. Çalışmamız, kullanıcıların yalan haberlere tepkileri ile haberlerin yaygınlığı arasında bir ilişki olup olmadığını araştırmaktadır. Çalışmamızda, Twitter kullanıcılarının 31 Aralık 2019–30 Temmuz 2022 tarihleri arasında yalan haberlere verdikleri tepkiler toplanmış ve 4 ana başlıkta kategorize edilmiştir. Bu tepkiler üzerine duygu analizi yapılmıştır. Yalan haberin yaygınlığıyla habere verilen tepki arasında bir ilişki olduğu ancak yalan haberin türüne ve insanları hangi bağlamda etkilediğine göre değiştiği gözlemlenmiştir. Veri setleri, LSTM yöntemi ve TensorFlow Hub'da önceden eğitilmiş metin gömmelerini kullanan YSA modeliyle eğitilmiştir. Tüm veri setleri için, LSTM'e kıyasla YSA modelinden daha yüksek doğruluk değeri elde edilmiştir. Önceden eğitilmiş metin gömmelerini kullanan YSA modelinin az veriyle bile oldukça iyi sonuç verdiği görülmüş, doğrulama ve test veri seti için sırasıyla 0.9020 ve 0.8998 doğruluk değerleri elde edilmiştir. Modellerin optimum seviyesine ulaşmaları için kullanılan eğitim tur sayıları da farklılık göstermiştir. Bulgular metin sınıflandırma problemi için, önceden eğitimli metin gömmelerinin kullanılmasının performansı arttırdığını ve eğitim süresini kısalttığını göstermektedir.
Özet (Çeviri)
The use of social media as a news source is quite common nowadays. However, the fact that the news encountered is accepted as true without questioning and checking its accuracy is one of the main reasons for the spread of fake news. For social media users, the question arises as to which emotion is more effective in spreading fake news, as the accuracy of the news is under the control of ideas and emotions rather than evidence. From this point of view, our study investigates whether there is a relationship between users' reactions to the news and the prevalence of the news. In our study, the reactions of Twitter users to fake news between 31 December 2019 and 30 July 2022 were collected and categorized under 4 main headings. Sentiment analysis was performed on these reactions. It has been observed that there is a relationship between the prevalence of fake news and the reaction to the news, but it varies according to the type of fake news and the context in which it affects people. The datasets were trained with the LSTM method and the Neural Nets model using pre-trained text embeddings in TensorFlow Hub. For all datasets, higher accuracy value was obtained from the NN model compared to LSTM. It was seen that the NN model using pre-trained text embeddings gave very good results even with little data, and accuracy values of 0.9020 and 0.8998 were obtained for the validation and test dataset, respectively. The number of epochs used to reach the optimum level of the models also differed. The findings show that for the text classification problem, the use of pre-trained text embeddings improves performance and reduces training time.
Benzer Tezler
- Otomatik duygu sözlüğü geliştirilmesi ve haberlerin duygu analizi
Automated sentiment lexicon generation and sentiment analysis of news
FATİH SAĞLAM
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT AKAL
PROF. DR. HAYRİ SEVER
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Disinformation in the post-truth era: A comparative analysis of the European Union, Türkiye and Brazil's instruments and practices for combating online disinformation
Hakikat sonrası çağda dezenformasyon: Avrupa Birliği, Türkiye ve Brezilya'nın çevrim içi dezenformasyonla mücadeleye yönelik araç ve pratiklerinin karşılaştırmalı analizi
İREM ŞARDAŞLAR
Yüksek Lisans
İngilizce
2025
İletişim BilimleriAnkara ÜniversitesiLatin Amerika Çalışmaları Ana Bilim Dalı
PROF. DR. BESİME PINAR ÖZDEMİR
- 10. sınıf Türk dili ve edebiyatı dersi ders kitabındaki metinlerin kelime evreninin incelenmesi
The examination of word universe in the texts of 10th grade Turkish language and literature coursebook
GONCA AL
Yüksek Lisans
Türkçe
2020
Eğitim ve ÖğretimGazi ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
DR. HÜSEYİN ÖZBAY
- Suriyeli sığınmacıların bakış açısıyla gündelik yaşam pratiği bağlamında yalan haberler
The impact of fake news on the daily lives of Syrian refugees
HAYA ANDROON
Yüksek Lisans
Türkçe
2023
Radyo-TelevizyonMersin ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DOÇ. DR. RECEP ÜNAL