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: 61
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
- Fake news detection using deep neural networks
Derin sinir ağlarını kullanarak sahte haber tespiti
ABUBAKER ABDALLAH ALGUTTAR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. REMZİ YILDIRIM
- 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
- 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 via automated deep learning
Başlık çevirisi yok
YASİR ABDULKAREEM JAMAL JAMAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Social media based crime prediction using machine learning
Makine öğrenme algoritmasını kullanarak sosyal medya tabanlı suç tahmini
SAKIRIN TAM
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. ÖMER ÖZGÜR TANRIÖVER