NobleBlocks

Research index

Εφαρμογή μεθόδων μηχανικής / στατιστικής μάθησης στην πρόβλεψη ψευδών ειδήσεων

Μανθόπουλος

Athens University of Economics & Business3 Nov 2020Open access

NobleIDark:/48914/w1/20260522/792B891CDOI10.26219/heal.aueb.6566

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Οι ψευδείς ειδήσεις είναι ένα φαινόμενο που έχει κάνει αισθητή τη παρουσία του τα τελευταία χρόνια και αποτελεί ένα από τα σημαντικότερα προβλήματα της νέας εποχής. Η εύρεση ενός έγκαιρου ,αξιόπιστου και οικονομικά αποδοτικού τρόπουεντοπισμού και ταξινόμησης των ψευδών ειδήσεων αποτελεί στόχο κρατών, οργανισμών και νεοφυών επιχειρήσεων ενώ φαίνεται να βρίσκεται και στις προτεραιότητες της ακαδημαϊκής έρευνας.Με την παρούσα Διπλωματική Εργασία έγινε μια προσπάθεια πρόβλεψης των ψευδών ειδήσεων που διακινούνται στο χώρο του διαδικτύου με σκοπό την ανεύρεση ενός αυτοματοποιημένου τρόπου ταξινόμησης των ειδήσεων σε ψευδείς και αληθείς,σύμφωνα με τις λέξεις του τίτλου των ειδήσεων.Για να επιτευχθεί αυτό έγινε χρήση των πεδίων της Επεξεργασίας Φυσικής Γλώσσας(Natural Language Processing) και της Μηχανικής/Στατιστικής Μάθησης(Machine/Statistical Learning) και συγκεκριμένα του υπόδειγματος Bag-OfWords(BoW), των μεθόδων εξαγωγής χαρακτηριστικών TF-IDF και N-grams καθώς και αυτών για τη μείωση των διαστάσεων των δεδομένων μέσω της Παραντοποίησης σε Ιδιάζουσες Τιμές(Singular Value Decomposition). Αυτή η διαδικασία είχε ως αποτέλεσμα τη δημιουργία 4 σετ δεδομένων, 2 εκ των οποίων χρησιμοποιήθηκαν στην μοντελοποίηση . Ακόμη, έγινε χρήση 5 Στατιστικών Μοντέλων Επιβλεπόμενης Μάθησης που εφαρμόστηκαν για την πρόβλεψη και είναι αυτά των, Δένδρων Αποφάσεων(Decision Trees), Random Forests, Μηχανών Διανυσμάτων Υποστήριξης(Support Vector Machines), Λογαριθμικής Παλινδρόμησης (LogisticRegression) και της Ταξινόμησης κατά Μπέυζ(Naïve Bayes).Το μοντέλο Στατιστικής Μάθησης που παρήγαγε τα καλύτερα αποτελέσματα είναι το Random Forest, με συνολική ακρίβεια στα δεδομένα ελέγχου που ανήλθε στο 88,1%. Τα δεδομένα ,στα οποία εφαρμόστηκε , προέκυψαν μετά τη χρήση της μέθοδου TF-IDF, σε ομάδες λέξεων ανά 2(bigrams) και Παραγοντοποίηση σε Ιδιάζουσες τιμές, με την προσθήκη των μεταβλητών για τον αριθμό των χαρακτήρων του τίτλου της είδησης και τον αριθμό των χαρακτήρων του κειμένου της είδησης.

Discussion

Topics

More

Suggest a correction or report