Ανίχνευση ψευδών ειδήσεων σε ελληνικό κείμενο για την περίπτωση του COVID-19 με τη χρήση της γλώσσας προγραμματισμού Python

Πατούχα, Ελένη; Patoucha, Eleni

dc.contributor.author	Πατούχα, Ελένη	el
dc.contributor.author	Patoucha, Eleni	en
dc.date.accessioned	2022-02-10T09:23:22Z
dc.date.available	2022-02-10T09:23:22Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54647
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22345
dc.rights	Default License
dc.subject	Ανάλυση δεδομένων	el
dc.subject	Κορονοϊός	el
dc.subject	Πανδημία	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Ψευδείς ειδήσεις	el
dc.subject	Εξόρυξη κειμένου	el
dc.title	Ανίχνευση ψευδών ειδήσεων σε ελληνικό κείμενο για την περίπτωση του COVID-19 με τη χρήση της γλώσσας προγραμματισμού Python	el
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.classification	Ανάλυση δεδομένων	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-02-10
heal.abstract	Η πανδημία COVID-19 είναι μια τρέχουσα πανδημία με τεράστιες επιπτώσεις στην υγεία του παγκόσμιου πληθυσμού. Ταυτόχρονα το φαινόμενο των ψευδών ειδήσεων που σχετίζονται με τον COVID- 19 έχει χαρακτηριστεί σαν μια άλλη μόλυνση, μια επιδημία παραπληροφόρησης και έχει χαρακτηριστεί ως «infodemic». Η εξάπλωση των ψευδών ειδήσεων που αφορούν τον COVID-19 αποτελεί ένα πολύ σοβαρό φαινόμενο με μεγάλες επιπτώσεις στην υγεία. Σκοπός της εργασίας είναι να συμβάλει στην αυτοματοποίηση της ανίχνευσης των ψευδών ειδήσεων που αφορούν τον COVID-19 σε ελληνικά κείμενα αναλύοντας την αποτελεσματικότητα διαφορετικών μοντέλων επιβλεπόμενης μηχανικής μάθησης με τη χρήση της γλώσσας προγραμματισμού Python. Για την ανάγκη υλοποίησης της εργασίας συλλέχθηκαν άρθρα από έγκυρη ειδησεογραφική πηγή και άρθρα από πηγές που έχουν χαρακτηριστεί ως πιθανώς αναξιόπιστες από το Greek Hoaxes Detector [1]. Στα άρθρα τα οποία συλλέχθηκαν τοποθετήθηκαν ετικέτες 0 ή 1 ανάλογα με τον αν προέρχονται από αξιόπιστη πηγή ή αν προέρχονται από πηγή που έχει χαρακτηριστεί ως πιθανώς αναξιόπιστη. Το σύνολο δεδομένων που δημιουργήθηκε περιέχει 4715 άρθρα που αφορούν τον COVID-19, εκ των οποίων τα 2664 έχουν ετικέτα με την τιμή 0 και 2051 έχουν ετικέτα με την τιμή 1. Πραγματοποιήθηκε καθαρισμός του συνόλου δεδομένων και στη συνέχεια υλοποιήθηκε διερευνητική ανάλυση και ανάλυση συναισθήματος με χρήση τεχνικών Εξόρυξης Γνώσης από Κείμενα για την εύρεση ενός κατάλληλου χαρακτηριστικού για την εκπαίδευση των μοντέλων μηχανικής μάθησης. Μετά από την ανάλυση των δεδομένων καταλήξαμε στη συχνότητα εμφάνισης των λέξεων στο κείμενο των άρθρων και στη μέθοδο TF-IDF. Αναλύθηκε συνδυαστικά η απόδοση των ταξινομητών Binomial Logistic Regression, Naive Bayes Classifier, Support Vector Classifier και Random Forest με βάση μια σειρά από μετρικές και καταλήξαμε στο συμπέρασμα ότι ο Random Forest έχει την καλύτερη απόδοση.	el
heal.advisorName	Στεφανέας, Πέτρος	el
heal.committeeMemberName	Κολέτσος, Ιωάννης	el
heal.committeeMemberName	Στεφανέας, Πέτρος	el
heal.committeeMemberName	Ψαρράκος, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μαθηματικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	101 δ.	el
heal.fullTextAvailability	false