Εντοπισμός ψευδών ειδήσεων σε ελληνικά και αγγλικά κείμενα με χρήση αλγορίθμων μηχανικής μάθησης

Τζιμούρτας, Θανάσης

dc.contributor.advisor	Tselenti, Panagiota
dc.contributor.author	Τζιμούρτας, Θανάσης
dc.date.accessioned	2022-04-04T10:42:29Z
dc.date.available	2022-04-04T10:42:29Z
dc.date.issued	2022-03
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/2057
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-1908
dc.description.abstract	Στην σημερινή εποχή, τόσο στα μέσα κοινωνικής δικτύωσης όσο και στα ειδησεογραφικά άρθρα εφημερίδων, υπάρχει μια σημαντική άνοδος των ψευδών ειδήσεων. Σε μια εποχή που τα μέσα κοινωνικής δικτύωσης έχουν γίνει αναπόσπαστο κομμάτι της καθημερινότητάς μας καθώς και για πολλούς μια σημαντική πηγή ειδήσεων, πρέπει να ελέγχεται η ορθότητα της πληροφορίας που αναρτιούνται σε αυτά. Το ίδιο ισχύει και για τα ειδησεογραφικά άρθρα που πλέον είναι διαθέσιμα στο διαδίκτυο και στα μέσα κοινωνικής δικτύωσης και οι άνθρωποι στρέφονται σε αυτά για να ενημερωθούν. Σε αυτή τη διπλωματική εργασία θα μελετήσουμε το πρόβλημα των ψευδών ειδήσεων εξετάζοντας κείμενα τόσο της αγγλικής όσο και της ελληνικής γλώσσας κάνοντας χρήση αλγορίθμων μηχανικής και βαθιάς μάθησης ώστε να μπορέσουμε να μελετήσουμε και να αξιολογήσουμε τις αποδόσεις των μοντέλων πάνω στο πρόβλημα των ψευδών ειδήσεων. Για το κομμάτι της αγγλικής γλώσσας έγινε χρήση του συνόλου δεδομένων PHEME που αποτελείται από tweets ενώ για το κομμάτι της ελληνικής γλώσσας επιλέχθηκε μια συλλογή δεδομένων που αποτελείται από ειδησεογραφικά άρθρα.	el
dc.format.extent	83	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Ψευδείς ειδήσεις	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Feed-forward neural networks	el
dc.subject	Recurrent neural networks	el
dc.subject	Bert	el
dc.title	Εντοπισμός ψευδών ειδήσεων σε ελληνικά και αγγλικά κείμενα με χρήση αλγορίθμων μηχανικής μάθησης	el
dc.title.alternative	Detecting fake news on greek and english texts using machine learning algorithms	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Μαστοροκώστας, Πάρις
dc.contributor.committee	Μπαρδής, Γεώργιος
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	Nowadays, both on social media and in newspaper news articles, there is a significant rise in fake news. At a time when social media has become an integral part of our daily lives as well as for many important news sources, the correctness of the information that is denied in them must be checked. The same goes for news articles that now exist on the internet and social media and people turn to them for their daily information. In this diploma we will study the problem of fake news by examining the texts of both English and Greek using machine and deep learning algorithms so that we can study and evaluate the performance of models on the problem of fake news. For the English language part, the PHEME data set consisting of tweets was used, while for the Greek language part, a data collection consisting of news articles was selected.	el

Files in this item

Name:: Tzimourtas_71345363.pdf
Size:: 3.222Mb
Format:: PDF
Description:: Διπλωματική εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές