Stance classification for fake news detection in social media

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: MAYSAA M. S. ALSAFADI

Danışman: Murat Aykut

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bugünün dijital ortamında, çeşitli kaynakların ve uygulamaların sunulması, haberlerin neden olmaktadır hızla yayılmasını hızlandırdı. Bu, bireylerin sosyal medya aracılığıyla görüşlerini paylaşmalarına olanak tanımış, bazen otomatik botlar veya sahte kullanıcılar kullanılarak gerçekleştirilmiştir. Sahte Haber Algılama, haberin güvenilir olup olmadığını belirlemeyi amaçlayan bir sınıflandırma görevidir. Son yıllarda, Arap dillerinde FND'ye artan bir ilgi olmuş ve birçok algılama yaklaşımı çeşitli veri setlerinde sahte haberleri tanıma yeteneğini göstermiştir. Araştırmamızda, kelime gömme tekniklerini ve hibrit derin öğrenme modelini, optimize edilmiş ön işleme teknikleri ile birleştirdik. Ayrıca haber makalelerinden doğru veri elde etmek için özellik çıkarma ve seçme yöntemlerini kullandık. Kamuya açık AFND veri seti üzerinde gerçekleştirilen deneyler, uyguladığımız yöntemlerle etkileyici performans sergilemiştir. Bulgularımız, geleneksel makine öğrenimi yaklaşımları olan Lojistik Regresyon, Doğrusal SVM, Naif Bayes ve XGBoost'a karşı LSTM, BiLSTM ve CNN-BiLSTM gibi derin öğrenme modellerinin performansını göstermektedir. Özellikle, CNN-BiLSTM modeli en yüksek doğruluk elde ederek %95'e ulaşmıştır.