Fake news detection using machine learning
Makine öğrenimi kullanarak sahte haber tespiti
- Tez No: 859230
- Danışmanlar: PROF. ALİ OKATAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: NLP, naif Bayes, destek vektör makineleri, rastgele ormanlar, F1-score, NLP, logistic regression, naive Bayes, support vector machines, random forests
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sahte haber, dijital çağda yaygın bir sorun olup toplumu derinden etkileyen, toplumsal güvensizlik, manipülasyon ve demokratik söylemin erozyonu gibi sonuçlar doğuran bir sorundur. Bu acil konuya yanıt olarak, bu araştırma Doğal Dil İşleme (NLP) tekniklerini kullanarak ve etkili sahte haber tespiti modelleri geliştirmek için çeşitli makine öğrenimi algoritmalarını kullanmaktadır. Lojistik regresyon, naif Bayes, destek vektör makineleri, rastgele ormanlar ve k-en yakın komşular gibi seçilen algoritmalar, sahte haberleri tespit etmedeki performanslarını belirlemek için sistemli bir şekilde karşılaştırılmaktadır. Ana bulgular, makine öğrenimi modellerinin gerçek ve uydurma haber makalelerini ayırt etmedeki etkinliğini vurgulamakta olup doğruluk puanları %85 ila %95 arasında değişmektedir. Hassasiyet, duyarlılık ve F1 puanı gibi performans metrikleri de titizlikle analiz edilerek kapsamlı bir karşılaştırma sunmaktadır. Bu araştırma, sahte haber tespiti alanındaki gelişen alana NLP ve çeşitli makine öğrenimi algoritmalarının uygulanabilirliğini göstererek katkıda bulunmaktadır. Akademik sınırların ötesine geçen çalışma, her algoritmanın avantajlarını ve dezavantajlarını nüanslı bir anlayışla sunarak gerçek dünya uygulamalarını öngörmektedir. Araştırma, sahte haber tespiti konusunda adaptasyon yeteneği gösteren yaklaşımlara duyulan ihtiyacı vurgulayarak gelecek yönlere dair içgörülerle sona ermektedir. Genel olarak, bu araştırma etkili tespit modelleri geliştirerek sahte haberlere karşı mücadeleye değerli bir katkı sağlamakta ve farklı makine öğrenimi algoritmalarının avantajları ve dezavantajları hakkında içgörüler sunmaktadır.
Özet (Çeviri)
The increase in the amount of false information is a widespread issue in the era of digital technology, with extensive implications for society such as fostering skepticism, manipulation, and undermining democratic conversations. In order to tackle this pressing matter, this study utilizes the use of NLP strategies and employs an array of ML methods to construct efficient models for detecting false news. The objective is to identify the most effective approach for addressing this issue. The chosen methods, namely logistic regression, naive Bayes, support vector machines, random forests, and k-nearest neighbors, are rigorously evaluated to ascertain their efficacy in identifying counterfeit news. The key findings indicate that the ML techniques are highly effective in differentiating between genuine and fake news stories, achieving accuracy ratings between 85% and 95%. The performance parameters, including precision, recall, and F1-score, are thoroughly examined to offer a full comparison. This research enhances the developing field of false news identification by showcasing the suitability of Natural Language Processing (NLP) and a variety of ML techniques. In addition to academic domains, the study aims to explore practical applications, providing a detailed comprehension of the pros and cons of each algorithm. The study continues by providing insights into potential future paths, highlighting the necessity for flexible strategies in identifying false information, considering the ever-changing nature of disinformation. In summary, our research significantly contributes to the battle against false information by creating efficient detection models and providing useful insights into the capabilities and constraints of various ML methods.
Benzer Tezler
- Makine öğrenmesi kullanılarak yanıltıcı haber ve ayrıştırıcı dil tespit algoritmaları geliştirilmesi
Developing fake news and hate speech detection algorithms using machine learning
FATİH SİNAN ESEN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN EMRAH
- 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
- Machine learning-based detection of fake Turkish earthquake news
Makine öğrenimi tabanlı sahte Türkçe deprem haberleri tespiti
GÜLER MERVE DEMİR YÜKSEL
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
- 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
- Stance classification for fake news detection in social media
Sosyal medyada sahte haber tespiti için durum sınıflandırması
MAYSAA M. S. ALSAFADI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYKUT