Geri Dön

Hybrid deep learning model for automatic fake news detection

Başlık çevirisi mevcut değil.

  1. Tez No: 796672
  2. Yazar: OTHMAN ARAF HANSHAL HANSHAL
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 55

Özet

Dijital haberlerin hızla gelişmesiyle birlikte, sahte haberler, özellikle sahte haberlerin üretilmesi ve yayılması için zengin bir ortam sağlayan sosyal ağ platformlarının yaygın kullanımıyla, halkın gerçek yargısına ve güvenilirliğine yönelik ciddi tehditlere neden olmuştur. Bu zorluklarla başa çıkmak için, sahte haberleri tespit etmek için çeşitli teknikler önerildi, ancak yine de, otomatik bir şekilde yüksek düzeyde tespit performansı sağlayan gelişmiş bir tespit tekniği önermeye acil bir ihtiyaç var. Bu nedenle, bu makale, otomatik sahte haber tespiti için hibrit olarak geliştirilmiş bir derin öğrenme modeli önermektedir. Önerilen model, yeni sahte haber örneklerini yapay olarak sentezlemek için Yardımcı Sınıflandırıcı Üretken Düşman Ağları adı verilen otomatik veri artırma yöntemini benimser ve ardından, sahte haberleri verimli bir şekilde tespit etmek için Konvolüsyonel Sinir Ağını Tekrarlayan Sinir Ağları ile hibritleştirir. Önerilen model Buzzfeed, FakeNewsNet ve FakeNewsChallenges veri setlerini kullanarak yalan haberlerin tespitinde %93,87 doğruluk, %10,39 geri çağırma, %93,12 kesinlik sağladığından en son modellere karşı üstün sonuçlar göstermektedir.

Özet (Çeviri)

With the fast advancement in digital news, fake news has already caused grave threats to the public's actual judgment and credibility, in specific, with the wide use of social networking platforms, which provide a rich environment for the generation and dissemination of fake news. To cope with these challenges, several techniques were proposed to detect fake news, but still, there is an urgent need to propose an improved detection technique that provides a high level of detection performance in an automatic manner. Therefore, this article proposes a hybrid-improved deep learning model for automatic fake news detection. The proposed model adopts automatic data augmentation method, called Auxiliary Classifier Generative Adversarial Networks, to artificially synthesize new fake news samples, and then, hybridize the Convolutional Neural Network with the Recurrent Neural Networks to detect the fake news efficiently. The proposed model shows superior results against the state-of-the-art models as it provides 93.87% accuracy, 10.39% recall, 93.12%% precision in detecting the fake news using Buzzfeed, FakeNewsNet and FakeNewsChallenges datasets.

Benzer Tezler

  1. Stance classification for fake news detection in social media

    Sosyal medyada sahte haber tespiti için durum sınıflandırması

    MAYSAA M. S. ALSAFADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT AYKUT

  2. Speech synthesis using long-term short memory and recurrent neural network (LTSM-RNN)

    Uzun süreli kısa kullanarak konuşma sentezi bellek ve tekrarlamalı sinir ağları (LTSM-RNN)

    ARKAN ADNAN IMRAN AL-YASARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. GALİP CANSEVER

  3. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Adli tıp verileri kullanılarak yara tiplerinin derin öğrenme modelleriyle sınıflandırılması

    Classification of wound types with deep learning models using forensic data

    KÜBRA YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TÜRKER TUNCER

  5. Deep learning-based dependency parsing for Turkish

    Derin öğrenme tabanlı Türkçe bağlılık ayrıştırması

    ŞAZİYE BETÜL ÖZATEŞ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN

    PROF. DR. TUNGA GÜNGÖR