Yalan haber yayılımın önlenmesine yönelik bir web tarayıcı uzantısı geliştirilmesi
Development of a web browser extension to prevent fake news
- Tez No: 790267
- 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: Yalan Haber, Doğal Dil İşleme, Makine Öğrenmesi Algoritmaları, Veri Madenciliği, Python Programlama, Fake news, Natural language processing, Machine learning algorithms, Data mining, Python programming
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Yalan haber, çevrimiçi platformlarda çok hızlı yayılması ve tespit edilmesinin zor olması nedeniyle günümüzün en büyük sorunlarından biridir. Yalan haberler çok hızlı yayılarak kitlelerin yanlış yönlendirilmesi, kışkırtılması, korku salınarak kaos ortamı yaratılması gibi toplumsal ve sosyal çok büyük sorunlara neden olmaktadır. Olumsuz etkilerinden dolayı, yalan haberlerin tespit edilip yayılmasının önlenmesi önemli ve öncelikli bir mesele olmuştur. Çalışmanın amacı, yalan haberlerin tespit edilerek yayılmasının önlenmesidir. Bunun için yalan haber tespiti yapan yeni bir Chrome uzantısı geliştirilmiştir. Doğal dil işleme, veri madenciliği yöntemleri, denetimli öğrenme algoritmaları, çevrimiçi öğrenme algoritması, derin öğrenme algoritması ve Python programlama dili kullanılarak uzantı geliştirilmiştir. İlk olarak veri setine, veri ön işleme için doğal dil işleme yöntemleri uygulanmıştır. Veri seti, %80 eğitim ve %20 test olmak üzere ikiye ayrılmıştır. Kelime vektörlerini oluşturmak için, Terim Frekansı – Ters Doküman Frekansı vektörizasyonu kullanılmıştır. En önemli aşama olan model uygulamada; Pasif agresif, Destek Vektör Makinesi, Rassal Orman, AdaBoost, XGBoost ve Uzun-kısa Süreli Bellek (LSTM) algoritmaları kullanılmıştır. Kullanılan algoritmaların doğruluk oranları ve karmaşıklık matrisleri karşılaştırılmıştır. En yüksek tahmin sonucunu %90.72'lik bir oranla LSTM algoritması vermiştir. Oluşturulan makine öğrenmesi modeli, Python programında Flask ve Rest API kullanılarak çevrimiçi internet ortamında çalışabilir hale getirilmiştir. Son olarak tarayıcı uzantı arayüzü; Javascript, HTML ve CSS kullanılarak oluşturulmuştur.
Özet (Çeviri)
Fake news is one of the biggest problems of today, as it spreads so fast on online platforms and is difficult to detect. Fake news spreads fairly quickly, causing huge social problems such as misdirecting and provoking the masses, creating an atmosphere of chaos by spreading fear. Due to its negative effects, detecting and preventing the spread of fake news has been an important and priority issue. The aim of the study is to detect and prevent the spread of fake news. For the purpose, a new Chrome extension has been developed that detects fake news. The extension was developed using natural language processing, data mining methods, supervised learning algorithms, online learning algorithm and Python programming language. Firstly, natural language processing methods were applied to the data set for data preprocessing. The data set is divided into two as 80% training and 20% testing. Term Frequency – Inverse Document Frequency vectorization was used for feature selection. In the model application, which is the most important stage; Passive Aggressive, Support Vector Machine, Random Forest, AdaBoost, XGBoost and Long-Short-Term Memory (LSTM) algorithms are used. The accuracy rates and confusion matrix of the algorithms used were compared. The LSTM algorithm gave the highest prediction result with a rate of %90.72. The created machine learning model has been made workable in the online internet environment by using Flask and Rest API in the Python program. Finally, the browser extension interface have been built using Javascript, HTML and CSS.
Benzer Tezler
- 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
- DOW yangın ve patlama indeksi ve DOW kimyasal maruziyet indeksi ile tehlikeli ekipmanların belirlenmesi ve etki alanlarının incelenmesi: kömürle üretim yapan termik santrale yönelik bir uygulama
Determining hazardous equipment and examining the areas of impacts with DOW fire and explosion index and DOW chemical exposure index: an application for a thermal power plant producing with coal
RAMAZAN KÜÇÜKÇIRAK
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiÜsküdar Üniversitesiİşçi Sağlığı ve İş Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HACER KAYHAN
- Haber ve doğruluk ilişkisi: 'Yalan haber' ve haber doğrulama pratikleri
The relationship between news and truth: 'Fake news' and fact-checking practices
MEHMET BÜYÜKAFŞAR
Doktora
Türkçe
2019
GazetecilikMarmara ÜniversitesiGazetecilik Ana Bilim Dalı
DOÇ. DR. MEHMET ÖZÇAĞLAYAN
- 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
MAİDE FEYZA ER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YONCA BAYRAKDAR YILMAZ
- 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