Ευφυής ανίχνευση γεγονότων και εκτίμηση αξιοπιστίας ειδήσεων στο Twitter

Κατσαούνης Μολύβας, Σταμάτιος; Katsaounis Molyvas, Stamatios

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	Twitter	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