Εκτίμηση και επικύρωση εγκυρότητας περιεχομένου με τη χρήση αλγορίθμων μηχανικής μάθησης.

Γκρίλλας, Κωνσταντίνος; Gkrillas, Konstantinos

dc.contributor.author	Γκρίλλας, Κωνσταντίνος	el
dc.contributor.author	Gkrillas, Konstantinos	en
dc.date.accessioned	2022-06-10T09:39:04Z
dc.date.available	2022-06-10T09:39:04Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55262
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22960
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-οικονομικά συστήματα”	el
dc.rights	Default License
dc.subject	Fake news,	en
dc.subject	Content verification	en
dc.subject	Machine learning	en
dc.subject	Python	en
dc.subject	Data mining	en
dc.subject	Επαλήθευση περιεχομένου	el
dc.subject	Ποιότητα είδησης	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Ψεύτικες ειδήσεις	el
dc.title	Εκτίμηση και επικύρωση εγκυρότητας περιεχομένου με τη χρήση αλγορίθμων μηχανικής μάθησης.	el
heal.type	masterThesis
heal.classification	Machine Learning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-02-11
heal.abstract	Στη σύγχρονη εποχή, η ραγδαία εξέλιξη του διαδικτύου και η καθολική χρήση των πλατφορμών κοινωνικής δικτύωσης έχουν σηματοδοτήσει την έλευση μιας νέας εποχής στη διαθεσιμότητα και διασπορά των ειδήσεων σε παγκόσμιο επίπεδο. Προκειμένου να χαρακτηρίζεται η ενημέρωση από εγκυρότητα και αμεροληψία, απαραίτητη προϋπόθεση είναι όσοι παράγουν τις ειδήσεις να προασπίζονται την αλήθεια και να ελέγχουν την αξιοπιστία της πληροφορίας που δημιουργούν ή αναπαράγουν. Ωστόσο, οι διαρκείς εξελίξεις (τεχνολογικές, κοινωνικές, πολιτικές, κτλ.) και η δυνατότητα του καθενός να δημιουργεί ή να διασπείρει την πληροφορία, οδηγούν πολλές φορές στην απουσία ελέγχου της εγκυρότητάς της, γεγονός που πυροδοτεί την παραπληροφόρηση και τη διασπορά των ψευδών ειδήσεων («fake news»). Προκειμένου να αντιμετωπιστεί αποτελεσματικά το φαινόμενο της παραπληροφόρησης, καθίσταται αναγκαία η μετάβαση από την ανθρώπινη προσπάθεια στην άμεση ανίχνευση των ψευδών ειδήσεων μέσω αυτόματων συστημάτων, καθώς ο όγκος των δεδομένων τη σύγχρονη εποχή είναι τεράστιος και η ταχύτητα διάδοσής τους στο διαδίκτυο καθιστά αναποτελεσματικό τον εντοπισμό παραπληροφόρησης μέσω των παραδοσιακών δημοσιογραφικών τεχνικών. Η αυτοματοποίηση στην ανίχνευση των ψευδών ειδήσεων επιτυγχάνεται μέσω της Μηχανικής Μάθησης και της πληθώρας των μοντέλων που παρέχει, τα οποία μπορούν να εφαρμοστούν στο μεγάλο όγκο δεδομένων που είναι διαθέσιμα στο διαδίκτυο και μέσω αυτών να εξαχθεί η απαραίτητη γνώση που θα εξυπηρετήσει το σκοπό μας. Αυτό ακριβώς θα μελετηθεί μέσω της παρούσας διπλωματικής εργασίας, όπου αφού αναζητηθούν οι πιο σύγχρονες τεχνικές στη βιβλιογραφία, θα εφαρμοστούν διάφορα μοντέλα Μηχανικής Μάθησης σε δεδομένα που θα εξαχθούν από το διαδίκτυο και τα οποία θα αξιολογηθούν ως προς την απόδοσή τους. Μέσω των μετρικών αξιολόγησης, θα αναδειχθεί η αποδοτικότερη μέθοδος που θα δώσει λύση στο πρόβλημά μας, δηλαδή στην εύρεση και ανάπτυξη συστήματος για την εκτίμηση και επικύρωση διαδικτυακού περιεχομένου (online content verification).	el
heal.advisorName	Δεμέστιχας, Κωνσταντίνος	el
heal.committeeMemberName	Δεμέστιχας, Κωνσταντίνος	el
heal.committeeMemberName	Σύκας, Ευστάθιος	el
heal.committeeMemberName	Ρουσσάκη, Ιωάννα	el
heal.committeeMemberName	Αδαμοπούλου, Ευγενία	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	68 σ.	el
heal.fullTextAvailability	false