Μελέτη και σύγκριση αλγορίθμων, μοντέλων και συστημάτων εντοπισμού ψευδών ειδήσεων

Κωλέτση, Αικατερίνη - Σαπφώ

Study and comparison of fake news detection algorithms, models and systems

Μεταπτυχιακή διπλωματική εργασία

Author

Κωλέτση, Αικατερίνη - Σαπφώ

Date

2022-12-11

Advisor

Kouis, Dimitris

koletsi_thesis_mslam206682008.pdf (11.30Mb)

koletsi_presentation_mslam206682008.pdf (1.642Mb)

Keywords

Ψευδείς ειδήσεις ; Παραπληροφόρηση ; Αλγόριθμοι ; Μέθοδοι εντοπισμού ψευδών ειδήσεων ; Συστήματα εντοπισμού ψευδών ειδήσεων ; Fake News ; Disinformation ; Algorithms ; Fake news detection methods ; Fake news detection systems

Abstract

Η ραγδαία ανάπτυξη στις τεχνολογίες πληροφοριών και επικοινωνιών (ΤΠΕ) συνετέλεσε μεταξύ άλλων, στην αύξηση των μέσων διακίνησης της πληροφορίας και παράλληλα στην εμφάνιση ενός νέου φαινομένου, της διασποράς ψευδών ειδήσεων. Η ανησυχητική τους εξάπλωση προκαλεί σοβαρές συνέπειες τόσο στην κοινωνική ζωή μίας χώρας όσο και στους υπόλοιπους τομείς όπως η υγεία, η οικονομία και η πολιτική. Εξαιτίας αυτού του φαινομένου, τα τελευταία χρόνια, οι ειδικοί στα μέσα και την πληροφορία αναζητούν μεθόδους εντοπισμού των ψευδών ειδήσεων. Οι συγκεκριμένες μέθοδοι εστιάζονται στα αλγοριθμικά μοντέλα και κυρίως σε λύσεις που στηρίζονται στη μηχανική μάθηση (machine learning), καθώς και σε άλλα συστήματα. Οι επιστήμονες της πληροφόρησης ως γνώστες της αποτελεσματικής αναζήτησης και της σωστής αξιολόγησης της πληροφορίας μπορούν να βοηθήσουν στον εντοπισμό και την αντιμετώπιση των ψευδών ειδήσεων, συνεπικουρούμενοι από άλλους κλάδους της επιστήμης όπως η επιστήμη των υπολογιστών. Η παρούσα διπλωματική εργασία στοχεύει στην μελέτη αλγοριθμικών μοντέλων και συστημάτων τα οποία αφορούν στον εντοπισμό των ψευδών ειδήσεων, μέσω βιβλιογραφικής ανασκόπησης.

Abstract

The rapid development in information and communication technologies (ICT) has contributed, among other things, to the increase in the means of disseminating information. In parallel there is an emergence of a new phenomenon, the spread of fake news. Its alarming spread is results in serious consequences both for the social life of a country and for other areas such as health, the economy and politics. Because of this phenomenon, in recent years, media and information experts have been searching for methods to detect fake news. These methods focus on machine learning, algorithmic models and other systems. Information scientists as experts, in effective search and proper evaluation of information, can help in identifying and countering fake news, assisted by other disciplines such as computer science. This thesis aims to study algorithmic models and systems that address the detection of fake news, through literature review.