Prepoznavanje lažnih vijesti metodama obrade prirodnog jezika i strojnog učenja

master's thesis

• Title (english): Fake News Detection using Natural Language Processing and Machine Learning
• Author: Marija Šokčević
• Mentor: Ivica Botički (mentor)
• Committee member: Ivica Botički (predsjednik povjerenstva)
• Committee member: Tomislav Jagušt (član povjerenstva)
• Committee member: Mirjana Domazet-Lošo (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-07-13, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Lažne vijesti predstavljaju ozbiljan problem u današnjem digitalnom dobu. Brzo širenje dezinformacija može imati negativne posljedice kao što su: narušavanje povjerenja prema medijima, izazivanje konfuzije javnosti ili poticanje mržnje. Tradicionalni načini provjere autentičnosti vijesti često su nedovoljni za suočavanje s velikim brojem lažnih vijesti koje se šire putem interneta. Uvođenje algoritama za obradu prirodnog jezika i modela strojnog učenja omogućuje nam da koristimo moć računalnih sustava za analizu ogromnih količina podataka i identificiranje obrazaca koji ukazuju na lažne vijesti. Ovi algoritmi pružaju brzu, efikasnu i skalabilnu metodu za detekciju i filtriranje lažnih vijesti, što je ključno za očuvanje pouzdanosti informacija i izgradnju informacijskog okruženja utemeljenog na istini. U ovom radu za binarnu klasifikaciju (prepoznavanje jesu li vijesti lažne ili ne) koristili su se algoritmi logističke regresije, stroj potpornih vektora (SVM), naivan Bayesov klasifikator i BERT u kombinaciji s višeslojnim perceptronom (MLP). Korištena su dva skupa podataka, prvi koji se sastoji samo od novinskih članaka te drugi koji se sastoji od naslova i slika. Model koji se pokazao najboljim za prvi skup podataka je BERT u kombinaciji s MLP-om s točnošću od 90%. Za drugi skup podataka dio modela naučen je samo na naslovima, dok je dio naučen na naslovima vijesti i slikama. U oba slučaja najtočnijim modelom se pokazao stroj potpornih vektora (73% i 77% točnost) s time da se SVM treniran na naslovima i slikama pokazao značajno boljim od onoga naučenog samo na naslovima.

Abstract (english)

Fake news is a serious problem in today's digital age. The rapid spread of misinformation can have negative consequences such as: losing trust in media, causing public confusion or inciting hatred. Traditional ways of verifying the authenticity of news are often insufficient to deal with the large amount of fake news that spreads over the Internet. The introduction of natural language processing algorithms and machine learning models allows us to use the power of computer systems to analyze massive amounts of data and identify patterns that indicate fake news. These algorithms provide a fast, efficient and scalable method for detecting and filtering fake news, which is crucial for preserving the reliability of information and building a truth-based information environment. In this paper, logistic regression algorithms, support vector machine (SVM), naïve Bayes classifier and BERT combined with multilayer perceptron (MLP) were used for binary classification (recognizing whether news is fake or not). Two sets of data were used, the first consisting only of newspaper articles and the second consisting of headlines and images. The model that performed best for the first data set was BERT combined with MLP with an accuracy of 90%. For the second dataset, some models were trained on headlines only, while some were trained on news headlines and images. In both cases, the support vector machine proved to be the most accurate model (73% and 77% accuracy), with the fact that the SVM trained on headlines and images proved to be significantly better than the one trained only on headlines.

• Keywords: lažne vijesti; novinski članci; obrada prirodnog jezika; BERT; strojno učenje; NLP; logistička regresija; stoj potpornih vektora; naivni Bayesov klasifikator; višeslojni perceptron
• Keywords (english): fake news; news articles; natural language processing; NLP; machine learning; ML; BERT; logistic regression; support vector machine; naive Bayesian classifier; multilayer perceptron
• Language: croatian
• URN:NBN: urn:nbn:hr:168:308754
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-10-11 10:40:29