Fake news detection via automated deep learning
Başlık çevirisi mevcut değil.
- Tez No: 828657
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Yalan haber olgusu, çok eski çağlardan beri ortaya çıkan ve son zamanlarda internetin, özellikle de haber siteleri ve sosyal medyanın yaygınlaşmasıyla birlikte artan korkunç ve eski sorunlardan biridir. Bu sorunun topluluklar ve hükümetler üzerinde ciddi sonuçlara yol açabilecek net olumsuz etkileri vardır. Sonuç olarak, makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak bu sorunu tartışan ve ciddiyetini azaltmaya çalışan birçok araştırma çalışması bulunmaktadır. Bu tür bir çözüm, iyi bir model ve tatmin edici sonuçlar elde etmek için iyi bir deneyim, büyük çaba ve uzun bir deneme ve tekrarlama süresi gerektirir. Otomatik makine öğrenimi (AutoML), makine öğrenimi alanındaki deneyim ihtiyacı, çaba ve zamanla ilgili sorunları çözmeye yardımcı olan en son teknolojilerden biridir ve bu teknoloji, makine öğrenimi alanında çok az deneyime sahip kişilerin mümkün olmasını sağlar. bu alanda çalışmak. Ayrıca bu teknik, geleneksel makine öğrenimi durumunda meydana gelen deneyimleri ve tekrarı azaltır, böylece zaman ve emek azalır. Bu çalışmamızda yalan haberlerin çözümüne katkı sağlamaya çalıştık. Bu amaçla kısa haber içeren yalancı veri setini deneylerimizde kullandık. Sahte haberleri tespit etmek için en uygun modelleri bulmak için otomatik sklearn, TPOT, Auto-Keras ve AutoGluon gibi otomatikleştirilmiş derin öğrenme (AutoDL) dahil olmak üzere çeşitli AutoML kitaplıklarından da yararlandık. Ek olarak, ML modelleriyle özellik çıkarma tekniği olan TF-IDF'yi kullandığımız ML ve DL tekniklerini kullanarak geleneksel modeller oluştururken, DL modelleriyle birlikte Word2Vec ve GloVe gibi kelime gömme tekniklerinden yararlandık. İki yaklaşımın sonuçlarını karşılaştırdık ve sonuçların bir dereceye kadar yakın olduğu sonucuna vardık ve bu, AutoML alanında net bir ilerleme olduğunu gösteriyor.
Özet (Çeviri)
The phenomenon of fake news is one of the terrible and old problems that have appeared since ancient times, and which has increased recently with the widespread use of the Internet, especially news sites and social media. This problem has clear negative effects on communities and governments, which may lead to dire results. As a result, there are many research studies that discuss and try to reduce the seriousness of this problem by using machine learning and deep learning methods. This type of solution requires good experience, great effort, and a long-time during experimentation and repetition to obtain a good model and satisfactory results. Automated machine learning (AutoML) is one of the latest technologies in the field of machine learning which help solve problems related to the experience need, effort, and time, where this technology makes people with little experience in the field of machine learning to be able to work in this field. In addition, this technique reduces the experiences and repetition happening in the case of traditional machine learning, thus the time and effort will be reduced. In this work, we attempted to contribute to solving the fake news. For this purpose, we utilized the liar dataset, which has short news, for our experiments. We also utilized several AutoML libraries including automated deep learning (AutoDL) such as auto-sklearn, TPOT, Auto-Keras and AutoGluon to find the optimal models for detecting fake news. Additionally, we created traditional models using ML and DL techniques where we employed TF-IDF, the feature extraction technique, with ML models, whereas word embedding techniques such as Word2Vec and GloVe were utilized along with DL models. We compared the results of the two approaches and concluded that the results were close to some extent, and this indicates clear progress in the field of AutoML.
Benzer Tezler
- Analyzing the effects of emotions on fake news detection: A Covid-19 case study
Duyguların sahte haber tespiti üzerindeki etkilerininanalizi: Bir Covıd-19 vaka çalışması
BAHAREH FARHOUDINIA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiYönetim Bilimleri Bilim Dalı
PROF. DR. NİHAT KASAP
PROF. DR. SELCEN ÖZTÜRKCAN
- Sosyal medyadaki Türkçe sahte haberlerin derin öğrenme yaklaşımıyla tespiti ve sınıflandırılması
Detection and classification of fake news in Turkish on social media using a deep learning approach
GÜLSÜM KAYABAŞI KORU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. ÇELEBİ ULUYOL
- Fake news detection with deep learning and machine learning methods
Sahte haberlerin derin öğrenme ve makine öğrenmesi ile tespiti
HATİCE KÜBRA KILINÇ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR
- Fake news detection using machine learning
Makine öğrenimi kullanarak sahte haber tespiti
ABDALRAHMAN MAJZOUB
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ALİ OKATAN
- Hızlandırılmış makine öğrenmesi algoritmaları ile Türkçe sahte haber tespiti
Fake news detection in Turkish with accelerated machine learning algorithms
ELİF YILDIRIM
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ FINDIK