Detection of misinformation related to pandemic diseases using machine learning techniques on social media platforms
Sosyal medya platformlarındaki makine öğrenme tekniklerini kullanarak pandemi hastalıklarına ilişkin yanlış bilgilerin tespiti
- Tez No: 847126
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER MELİ̇H GÜL
- 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: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- Sayfa Sayısı: 62
Özet
The advent of the COVID-19 pandemic has brought with it not only a global health crisis but also an infodemic characterized by the rampant spread of misinformation on social media platforms. In response to the urgent need for effective misinformation detection, this study presents a comprehensive approach harnessing machine learning and deep learning techniques, culminating in ensemble methods, to com- bat the proliferation of COVID-19 misinformation on Facebook, Twitter, Instagram, and YouTube. Drawing from a rich dataset comprising user comments on these platforms, encompassing diverse COVID-19-related discussions, our research applies Support Vector Machine (SVM), Decision tree, logistic regression, and neural networks to perform in-depth analysis and classification of comments into two categories: positive and negative information. The innovation of our approach lies in the final phase, where we employ ensemble methods to consolidate the strengths of various machine learning and deep learning algorithms. This ensemble approach significantly improves the model's overall accuracy and adapt- ability. Experimental results underscore the efficacy of our methodology, showcasing marked improvements in detection performance compared to individual models. After applying ensemble learning, we achieve an accuracy of 91% for Facebook data, 76% for Instagram data, 81% for Twitter data and 93% for YouTube data. Our system not only aids in curbing the dissemination of COVID-19 misinformation but also provides a robust framework for addressing misinformation across various contexts on social media platforms.
Özet (Çeviri)
COVİD-19 salgınının ortaya çıkışı beraberinde getirdi. Bu sadece küresel bir sağlık krizi değil, aynı zamanda bir bilgi salgınıdır. Sosyal medya platformlarında yanlış bilgiler hızla yayılıyor. İçeri Etkili yanlış bilgi tespitine yönelik acil ihtiyaca yanıt olarak, bu çalışma, makine öğreniminden yararlanan kapsamlı bir yaklaşım sunuyor ve topluluk yöntemleriyle sonuçlanan derin öğrenme teknikleri, Facebook ve Twitter'da COVID-19 ile ilgili yanlış bilgilerin yayılmasıyla mücadele etmek,Instagram ve YouTube. Kullanıcıyı içeren zengin bir veri kümesinden çizim yapın COVID-19 ile ilgili çeşitli konuları kapsayan bu platformlara ilişkin yorumlar tartışmalar, araştırmamız Destek Vektör Makinesi (SVM), Karar ağ ağacı, lojistik regresyon ve sinir ağlarının derinlemesine gerçekleştirilmesi Yorumların analizi ve sınıflandırılması iki kategoriye ayrılır: olumlu ve olumsuz bilgi. Yaklaşımımızın yeniliği finalde yatıyor Güçlü yönleri güçlendirmek için topluluk yöntemlerini kullandığımız aşama Çeşitli makine öğrenmesi ve derin öğrenme algoritmalarının kullanımı. bu topluluk Yaklaşım, modelin genel doğruluğunu ve uyarlanabilirliğini önemli ölçüde artırır.yetenek. Deneysel sonuçlar metodolojimizin etkinliğini vurgulamaktadır. ile karşılaştırıldığında algılama performansında önemli gelişmeler sergiler.bireysel modeller. Topluluk öğrenimini uyguladıktan sonra Facebook verilerinin %91'i müstehcen, Instagram verilerinin %76'u, Twitter'ın %81'i veriler ve %93'i YouTube verileri için şeklinde bir sonuca varıyoruz. Sistemimiz yalnızca önlemeye yardımcı olmakla kalmıyor. COVİD-19 ile ilgili yanlış bilgilerin yayılmasını önlerken aynı zamanda Çeşitli bağlamlarda yanlış bilgilerin ele alınmasına yönelik daraltılmış çerçeve.sosyal medya platformları.
Benzer Tezler
- Fact extraction and verification pipeline for COVID-19 related user posts in social media
COVID-19 ile ilgili sosyal medya gönderilerinde önerme çıkarma ve doğrulama model hattı
ORKUN TEMİZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. TUĞBA TAŞKAYA TEMİZEL
- Hakikat sonrası dönemde siyasal iletişim yönetimini yeniden düşünmek üzere niteliksel bir araştırma
A qualitative research on rethinking political communication management in the post-truth era
ONURCAN GÜDEN
Yüksek Lisans
Türkçe
2020
Halkla İlişkilerGalatasaray Üniversitesiİletişim Ana Bilim Dalı
DOÇ. DR. GAYE ASLI SANCAR DEMREN
- The impact of marketing deception in building a mental image of the consumer in the services market
Hizmet piyasası ortamında tüketicide zihinsel imajın oluşturulmasında pazarlama hilesinin etkisi
MIHABAD ABDULKAREEM HAJI AL HABASH
Yüksek Lisans
İngilizce
2019
İşletmeBingöl Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ TÜRKAN
- Spam detection by using network and text embedding approaches
Sosyal ağ analizi ve metin madenciliği kullanarak yanıltıcı yorumları tespit etme
CENNET MERVE YILMAZ
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM İYİGÜN
DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM
- Aktör ağ teorisi bağlamında COVID-19 aşı karşıtlığı propagandasının sosyal ağ analizi
Social network analysis of COVID-19 anti-vaccine propaganda in the context of actor-network theory
EZGİ ÇAKIR