Makine öğrenmesi kullanılarak yanıltıcı haber ve ayrıştırıcı dil tespit algoritmaları geliştirilmesi
Developing fake news and hate speech detection algorithms using machine learning
- Tez No: 983867
- Danışmanlar: PROF. DR. ŞAHİN EMRAH
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doğal dil işleme, Sahte haber, Yalan haberler, Yapay sinir ağları, Yapay zeka, Natural language processing, Fake news, False News, Artificial neural networks, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital ekosistemde yaygınlaşan yanıltıcı haber ve ayrıştırıcı dilin Türkçe metinler üzerinde güvenilir, açıklanabilir ve tekrar üretilebilir biçimde saptanmasına yönelik uçtan uca bir yaklaşım geliştirilmesi amaçlanmaktadır. Çalışma, dilin zengin biçimbilimsel yapısı ile kaynak kıtlığı koşullarını dikkate alan özgün derlemler üzerinde tanımlı bir veri işleme hattı kurarak, ön‑işleme, özellik çıkarımı, geleneksel makine öğrenmesi ve derin öğrenme yöntemlerinin sistematik karşılaştırmasını gerçekleştirmekte; ardından Türkçe için ince ayarlı dönüştürücü tabanlı uzman modellerle yetkinliği katmanlı biçimde artırmaktadır. Buna paralel olarak, çevrimdışı uzman modeller ile çevrimiçi büyük dil modellerinin görev paylaşımına dayanan hibrit çoklu‑ajan mimarileri tasarlanmış; erişim destekli üretim, web araması, kaynaklı gerekçelendirme ve izlenebilir karar üretimi birlikte ele alınmıştır. Yanıltıcı haber bağlamında ÇAH‑YATS, ayrıştırıcı dil bağlamında ise ÇAH‑ADİS adı verilen düzenekler, statik sınıflandırmanın ötesine geçerek bağlama duyarlı doğrulama, kanıta dayalı akıl yürütme ve açıklanabilir sonuçların tutarlı biçimde üretilmesini sağlamaktadır. Bulgular, önerilen yaklaşımın güvenilirlik, esneklik, uyarlanabilirlik ve yorumlanabilirlik boyutlarında anlamlı kazanımlar sunduğunu göstermektedir. Kuramsal düzeyde çalışma, doğrulama odaklı metin işleme problemleri için genelleştirilebilir bir referans mimarisi, ajan temelli bilişsel iş akışları ve Türkçe gibi eklemlemeli dillerde modelleme ilkeleri önermektedir. Uygulama düzeyinde ise doğruluk kontrol kuruluşları, haber odaları, çevrimiçi platformlar ve düzenleyici otoriteler için şeffaf, denetlenebilir ve ölçeklenebilir bir karar destek altyapısı sunmakta; geliştiriciler için yeniden kullanılabilir bileşenler ile değerlendirme protokollerini ortaya koymaktadır. Etik ve hukuki sorumluluklar gözetilerek önyargı, veri gizliliği ve ayrımcılık risklerinin azaltılmasına ilişkin ilkeler, sınırlılıklar ve gelecek araştırma önerileri sistematik biçimde tartışılmakta; farklı dil, kip ve görevlerde genişletilebilirlik ile saha koşullarına uyarlanabilirlik için somut bir yol haritası çizilmektedir.
Özet (Çeviri)
This study aims to develop an end-to-end approach for the reliable, explainable, and reproducible detection of fake news and hate-speech prevalent within the digital ecosystem for Turkish texts. The work establishes a defined data processing pipeline on unique corpora, which considers the rich morphological structure of the language and resource-scarce conditions. It conducts a systematic comparison of preprocessing, feature extraction, traditional machine learning, and deep learning methods. Subsequently, it enhances performance in a layered manner using fine-tuned, transformer-based expert models specifically for Turkish.In parallel, hybrid multi-agent architectures based on task-sharing between offline expert models and online large language models have been designed. This framework integrates retrieval-augmented generation, web search, source-based reasoning, and traceable decision-making. The proposed systems, designated as ÇAH-YATS (Multi-Agent Framework for Fake-news Detection) and ÇAH-ADİS (Multi-Agent Framework for Hate-speech Detection) transcend static classification to enable context-sensitive verification, evidence-based reasoning, and the consistent generation of explainable outcomes. The findings indicate that the proposed approach offers significant gains in terms of reliability, flexibility, adaptability, and interpretability.At a theoretical level, the study proposes a generalizable reference architecture for verification-oriented text processing problems, agent-based cognitive workflows, and modeling principles for agglutinative languages such as Turkish. At a practical level, it provides a transparent, auditable, and scalable decision-support infrastructure for fact-checking organizations, newsrooms, online platforms, and regulatory authorities. Furthermore, it presents reusable components and evaluation protocols for developers.With due consideration for ethical and legal responsibilities, the principles for mitigating risks of bias, data privacy violations, and discrimination are systematically discussed, along with the study's limitations and proposals for future research. A concrete roadmap is outlined for extensibility to different languages, modalities, and tasks, as well as for adaptability to real-world operational conditions.
Benzer Tezler
- 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
- Fake detection and analysis in tweets with machine learning algorithms
Makine öğrenimi algoritmaları ile tweetlerde sahtelik tespit ve analizi
ŞEHRİNAZ KOCA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLYAS ÇİÇEKLİ
- Türkçe Twitter verileri üzerinde güvenilirlik skorlama ile sahte haber tespiti
Fake news detection with credibility scoring on Turkish Twitter data
HÜSEİN KANTARCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM AYDIN
- Aktif öğrenme ile Türkçe tıklama tuzağı (clickbait) haber tespiti
Detection of Turkish clickbait news headlines through active learning approach
ALPER CELAL AKGÜN
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLİN İNKAYA
- Deepfake tespiti için derin öğrenme tabanlı hibrit mimarilerin geliştirilmesi
Development of deep learning-based hybrid architectures for deepfake detection
İSMAİL İLHAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE