Μαθηματική επισκόπηση της μεθόδου της λογιστικής παλινδρόμησης με εφαρμογή στην ανίχνευση fake news

Γκανέτσος, Σπύρος; Gkanetsos, Spyros

dc.contributor.author	Γκανέτσος, Σπύρος	el
dc.contributor.author	Gkanetsos, Spyros	en
dc.date.accessioned	2022-02-10T10:12:39Z
dc.date.available	2022-02-10T10:12:39Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54655
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22353
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Λογιστική παλινδρόμηση	el
dc.subject	Επεξεργασία φυσικής γλώσσας	el
dc.subject	Στατιστική	el
dc.subject	Νέες τεχνολογίες	el
dc.subject	Ειδήσεις	el
dc.subject	Fake news	en
dc.subject	Deepfakes	en
dc.subject	Logistic regression	en
dc.subject	Detection	en
dc.subject	Classification	en
dc.title	Μαθηματική επισκόπηση της μεθόδου της λογιστικής παλινδρόμησης με εφαρμογή στην ανίχνευση fake news	el
dc.title	Mathematican overview of logistic regression method applied in fake news detection	el
heal.type	bachelorThesis
heal.classification	Mαθηματικά	el
heal.classification	Στατιστική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-10-01
heal.abstract	Σκοπός της παρούσας διατριβής είναι η εμβάθυνση στο πρόβλημα της διάδοσης Fake Νews στο σύγχρονο κόσμο, αναλύοντας τις κοινωνικοπολιτικές προεκτάσεις του και τις τεχνολογικές εξελίξεις που εντείνουν το πρόβλημα αυτό, καθώς και η μαθηματική επισκόπηση και εφαρμογή του μοντέλου της λογιστικής παλινδρόμησης για την ανίχνευση Fake News. Συγκεκριμένα , αναδεικνύονται τα χαρακτηριστικά και τα κίνητρα διάδοσης των Fake News, όπως και οι σημαντικές συνέπειες τους στη δημοκρατία, στα ατομικά δικαιώματα και στην ίδια την ανθρώπινη ζωή. Παράλληλα, αντικείμενο μελέτης αποτελούν οι τεχνολογικές εξελίξεις στον τομέα της τεχνητής νοημοσύνης που έχουν δημιουργήσει νέους τρόπους διάδοσης Fake News αλλά και οι δυνατότητες αξιοποίησης αυτών των τεχνολογιών για την κατάλληλη αντιμετώπιση των Fake News. Τέλος, αναλύεται μαθηματικά το λογιστικό μοντέλο παλινδρόμησης και η εφαρμογή του στην πρόβλεψη του δυαδικού αποτελέσματος ταξινόμησης κειμένων ως αληθινά ή Fake News. Η εφαρμογή και η εκπαίδευση το μοντέλου υλοποιείται σε Γλώσσα Προγραμματισμού Python, αξιοποιώντας δύο σύνολα δεδομένων αποτελούμενα από 23.489 άρθρα Fake News το ένα και 21.418 αληθινά άρθρα το άλλο. Συμπερασματικά, κρίνεται ότι το μοντέλο είναι αρκετά αποδοτικό μιας και κατέγραψε ποσοστό ακρίβειας στις προβλέψεις του 98.81%.	el
heal.abstract	This dissertation aims to shed light on the issue of spreading Fake News in the modern world by analyzing its socio-political implications and technological developments that intensify the problem, as well as on the mathematical overview and application of the logistic regression model towards detecting Fake News. More specifically, efforts were made to showcase the features and motives of Fake News along with their significant impact on democracy, individual rights as well as on human life itself. At the same time, emphasis was placed on technological advances in the field of Artificial Intelligence; particularly on how these advances have generated new ways of spreading Fake News and on what opportunities to make use of new technologies exist in order to address Fake News. Finally, the logistic regression model was analyzed mathematically, focusing on how it can be applied to predict the binary text sorting result as real or Fake News. The model was applied and trained with the use of Python Programming Language, utilizing two data sets consisting of 23.489 Fake News articles and 21.418 real ones respectively. In conclusion, it is estimated that the model is fairly efficient, since it recorded a precision of 98.81%.	en
heal.advisorName	Στεφανέας, Πέτρος	el
heal.committeeMemberName	Κολέτσος, Ιωάννης	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	56 σ.	el
heal.fullTextAvailability	false