dc.contributor.author | Κατσαούνης Μολύβας, Σταμάτιος![]() |
el |
dc.contributor.author | Katsaounis Molyvas, Stamatios![]() |
en |
dc.date.accessioned | 2017-07-24T09:44:50Z | |
dc.date.available | 2017-07-24T09:44:50Z | |
dc.date.issued | 2017-07-24 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/45336 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.14383 | |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.subject | Κοινωνικά δίκτυα | el |
dc.subject | Ψευδείς ειδήσεις | el |
dc.subject | Ανάλυση δεδομένων | el |
dc.subject | Εντοπισμός ειδήσεων | el |
dc.subject | Δέντρα αποφάσεων | el |
dc.subject | Μηχανές SVM | el |
dc.subject | Social networks | en |
dc.subject | en | |
dc.subject | Fake news | en |
dc.subject | Data analysis | en |
dc.subject | First story detection | en |
dc.subject | Decision trees | en |
dc.subject | SVM decision models | en |
dc.subject | Scikit & NTLK Python | en |
dc.title | Ευφυής ανίχνευση γεγονότων και εκτίμηση αξιοπιστίας ειδήσεων στο Twitter | el |
dc.title | Intelligent system for event detection and news credibility on Twitter | en |
heal.type | bachelorThesis | |
heal.classification | Ευφυή συστήματα | el |
heal.classification | Intelligent systems | en |
heal.classificationURI | http://data.seab.gr/concepts/aeeca99fc63e5f271c42e25accff2693ca5625d7 | |
heal.classificationURI | http://data.seab.gr/concepts/aeeca99fc63e5f271c42e25accff2693ca5625d7 | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2017-05-25 | |
heal.abstract | Τα νέα αποτελούν πληροφορίες για τρέχοντα γεγονότα. Πληροφορίες οι οποίες διαδίδονται από άνθρωπο σε άνθρωπο, με ή χωρίς γνώση για την πηγή προέλευσής τους. Η έμφυτη ανάγκη του ανθρώπου να μαθαίνει και να διαδίδει νέα τον οδήγησε από πολύ παλιά στη δημιουργία μέσων για την ανταλλαγή τους. Η πιο σύγχρονη και ταυτόχρονα ευρεία μορφή μέσου διάδοσης νέων είναι τα κοινωνικά δίκτυα. Μέσω αυτών, οι χρήστες τους διακινούν τεράστιο όγκο πληροφοριών, πολλές φορές αμφιβόλου αξιοπιστίας. Την αδυναμία τους αυτή έρχονται να εκμεταλλευτούν κακόβουλοι χρήστες αναπαράγοντας ψευδείς ειδήσεις με σκοπό την επιρροή της κοινής γνώμης. Σήμερα, περισσότερο από ποτέ, είναι υπαρκτή η ανάγκη προστασίας του αγαθού που λέγεται νέο. Ο σκοπό του προτεινόμενος συστήματος και η συμβολή του στην αντιμετώπιση τέτοιων καταστάσεων είναι διττός. Πρώτο ζητούμενο αποτελεί η αξιολόγηση των ειδήσεων ως προς την αξιοπιστία τους. Στο πλαίσιο αυτό υλοποιήθηκε σύστημα ταξινόμησης, κάνοντας χρήση μοντέλων Δέντρων Αποφάσεων και μηχανών SVM. Το σύστημα έχει την ικανότητα να εκτιμήσει ανά πάσα στιγμή και μάλιστα ιδιαίτερα αποτελεσματικά την αξιοπιστία της πηγής προέλευσης μίας δημοσίευσης. Δεύτερο ζητούμενο, συμπληρωματικό του πρώτου, είναι η τάχιστη αναγνώριση μίας είδησης ανάμεσα στη ροή πληροφοριών που διακινούνται ανά πάσα στιγμή μέσω των κοινωνικών δικτύων. Με άμεση εφαρμογή στο κοινωνικό δίκτυο Twitter, το σύστημα είναι ικανό να εντοπίσει νέες ειδήσεις σε ελάχιστο χρονικό διάστημα από την πρώτη εμφάνισή τους. Μέσω της παραπάνω διαδικασίας προσφέρει στον χρήστη άμεση ενημέρωση για γεγονότα που συμβαίνουν σε ζωντανό χρόνο χωρίς να προϋποθέτει προσπάθεια από μέρος του. Τα δύο συστατικά μέρη του συστήματος υλοποιήθηκαν εξολοκλήρου σε γλώσσα Python καθώς ενδείκνυται για ευφυή συστήματα που έχουν ως είσοδο δεδομένα σε μορφή κειμένου. Επιπλέον, υπάρχει πληθώρα σε σύγχρονα εργαλεία και βιβλιοθήκες για τη γλώσσα αυτή, τα οποία και χρησιμοποιήθηκαν προσφέροντας ποιοτικότερα αποτελέσματα στη μελέτη που πραγματοποιήθηκε. Ο πηγαίος κώδικας του συστήματος που συνοδεύει την παρούσα βρίσκεται διαθέσιμος σε δημόσιο αποθετήριο για χρήση, βελτίωση και επέκταση από όποιον ενδιαφερόμενο. | el |
heal.abstract | News is information about current events; information which spreads from person to person, with or without knowledge of their source of origin. The inherent need of man to learn and spread news has long led him to create tools for exchanging news. The most modern and broad tool for exchanging news is social networks. Through them, users are exposed to a huge amount of information which credibility is often doubted. Malicious users often exploit that weak point of social networks by reproducing false news for the influence of public opinion. Today, more than ever, there is huge need of protecting the act of exchanging news. The contribution of the proposed system to dealing with such situations is twofold. First goal of the suggested system is the evaluation of news about their credibility. To achieve this, a classification system was implemented, using SVM Decision Models and Decision Trees. System has the ability to assess the reliability of the source of a post at most of the times and very effectively in particular. Second goal of our system, supplementary to the first, is the rapid recognition of news between the information streams exchanged through social networks. With immediate application to the Twitter social network, the system is capable of identifying news in a very short space of time since they first appeared. Through the above process, it offers users immediate information about events that occur in live time without any effort demanded from them. The two components of the system are fully implemented in Python language as it is suitable for intelligent systems dealing with text data as input. In addition, there are plenty of modern tools and libraries for this language, which were used to offer better results in the study. The source code of the system accompanying this thesis is available in a public repository for use, improvement, and extension by any interested party. | en |
heal.advisorName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.committeeMemberName | Τσανάκας, Παναγιώτης | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 65 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: