Τεχνικές εξόρυξης κειμένου και εφαρμογή μεθόδων μηχανικής μάθησης για την ανίχνευση ψευδών ειδήσεων

Abstract

Το προτεινόμενο θέμα Διπλωματικής Εργασίας ασχολείται με την μελέτη τεχνικών εξόρυξης και ανάλυσης κειμένου και την εφαρμογή μεθόδων μηχανικής μάθησης για την ανίχνευση «Ψευδών Ειδήσεων». Για την μοντελοποίηση χρησιμοποιούντα πραγματικά δεδομένα από δημοσιευμένα άρθρα στο διαδίκτυο τα οποία έχουν αντληθεί δευτερογενώς από την πλατφόρμα Kaggle και αξιοποιούνται για την εκπαίδευση αλγόριθμου στην ανίχνευση των «Ψευδών Ειδήσεων». Οι τεχνικές εξόρυξης και ανάλυσης κείμενου εφαρμόζονται σε αυτά τα άρθρα και τους τίτλους των άρθρων τα οποία αποδομούνται σε επεξεργάσιμα δεδομένα με σκοπό την χρήση τους στην μοντελοποιηση.

The proposed Thesis topic deals with the study of techniques about mining and analysis of text and the application of machine learning methods for detection of "Fake News". Real data from published articles on the internet which have been sourced secondarily from Kaggle platform are used to train the algorithm in detecting "Fake News". Text mining and analysis techniques are applied to these articles and the titles of the articles which are deconstructed into editable data for use in modeling