Εκτίμηση και επικύρωση περιεχομένου με χρήση μεθόδων μηχανικής μάθησης

Παπανικολάου, Γρηγόριος; Papanikolaou, Grigorios

dc.contributor.author	Παπανικολάου, Γρηγόριος	el
dc.contributor.author	Papanikolaou, Grigorios	en
dc.date.accessioned	2024-03-04T10:27:43Z
dc.date.available	2024-03-04T10:27:43Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58963
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26659
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	Εγκυρότητα περιεχομένου	el
dc.subject	Μμηχανική μάθηση	el
dc.subject	Μηχανισμοί προσοχής	el
dc.subject	Μετασχηματιστές	el
dc.subject	Βαθιά μάθηση	el
dc.subject	DistilBERT	el
dc.subject	ISOT	el
dc.subject	FakeNewsNet	el
dc.subject	PHEME	el
dc.subject	FakeNewsChallenge	el
dc.title	Εκτίμηση και επικύρωση περιεχομένου με χρήση μεθόδων μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Machine learning - Fake news detection	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-31
heal.abstract	Η συγκεκριμένη εργασία, προτείνει μια εναλλακτική μέθοδο για την επίλυση του προβλήματος επικύρωσης εγκυρότητας περιεχομένου. Η έλλειψη αξιόπιστων συνόλων δεδομένων, συνδυαστικά με τους περιορισμούς των μεθόδων αναπαράστασης κειμένου, αποτελούσαν για πολλά χρόνια πρόκληση για τους ερευνητές που αξιοποιούσαν τεχνικές μηχανικής μάθησης στην ταξινόμηση των δειγμάτων. Ο σκοπός της προτεινόμενης μεθοδολογίας, είναι η βελτιστοποίηση προσεγγίσεων μηχανικής μάθησης που χρησιμοποιούνται για την ανίχνευση των fake news. Στην παρούσα έρευνα, πραγματοποιείται σύγκριση και μελέτη πολλαπλών συνόλων δεδομένων, συνδυαστικά με μια σύγχρονη μέθοδο αναπαράστασης κειμένου που αξιοποιεί το πλαίσιο χρήσης των λέξεων, βασισμένη σε μηχανισμούς προσοχής. Τα δείγματα των συνόλων δεδομένων ISOT, LIAR, FakeNewsNet, PHEME και FakeNewsChallenge κωδικοποιούνται με χρήση του μοντέλου DistilBERT, το οποίο βασίζεται σε δομές μετασχηματιστών (transformers). Στη συνέχεια, οι αναπαραστάσεις των δειγμάτων τροφοδοτούν αρχιτεκτονικές νευρωνικών δικτύων που αναπτύχθηκαν στο πλαίσιο της εργασίας και έπειτα επιβεβαιώνεται η αποτελεσματικότητα της εκάστοτε αρχιτεκτονικής, μέσω μιας διαδικασίας διασταυρωμένης επικύρωσης. Η μεθοδολογία, οδήγησε σε βελτιωμένη απόδοση συγκριτικά με προσεγγίσεις που αξιοποιούν συμβατικές τεχνικές αναπαράστασης κειμένου. Το συμπέρασμα που προκύπτει από τα πειράματα, είναι πως η χρήση εμφυτευμάτων που βασίζονται στο πλαίσιο χρήσης των λέξεων προσφέρουν πολύ πιο ικανοποιητικά αποτελέσματα στην ταξινόμηση περιεχομένου σε όλα τα σύνολα δεδομένων.	el
heal.advisorName	Συκάς, Ευστάθιος
heal.committeeMemberName	Μήτρου, Νικόλαος
heal.committeeMemberName	Ρουσσάκη, Ιωάννα
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	114 σ.	el
heal.fullTextAvailability	false