Μελέτη και Ανάπτυξη Μηχανισμών Ανίχνευσης της Διάδοσης Λανθασμένων Πληροφοριών σε Κοινωνικά Δίκτυα

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας ήταν η ανάπτυξη μιας μεθοδολογίας και η υλοποίηση μιας σειράς από μηχανισμούς για την ανίχνευση λανθασμένων πληροφοριών που διαδίδονται σε κοινωνικά δίκτυα. Δεδομένης της ταχύτατης εξάπλωσης των κοινωνικών δικτύων και της – μεταξύ άλλων – ανάδειξής τους σε ανερχόμενη πηγή πληροφόρησης για χρήστες τους, η ανίχνευση της διάδοσης λανθασμένης πληροφορίας μέσα σε αυτά αποτελεί ένα ερευνητικό αντικείμενο που αποκτά ολοένα και μεγαλύτερη σπουδαιότητα.

Για τη αποκόμιση των κατάλληλων γνώσεων, αρχικά μελετήθηκε τι είναι λανθασμένη πληροφορία και πιο λεπτομερώς τι σημαίνει ακούσια και εκούσια παραπληροφόρηση (disinformation / misinformation). Έπειτα, μελετήσαμε τη δουλειά και την προσέγγιση άλλων ερευνητών στο θέμα της αυτόματης ανίχνευσης λανθασμένων πληροφοριών σε κοινωνικά δίκτυα.

Ακολούθως, βασισμένοι στην δουλειά και προηγούμενων ερευνητών που ασχολήθηκαν με το θέμα, διατυπώσαμε την μεθοδολογία που προτείνουμε ως τρόπο για αυτόματη ανίχνευση λανθασμένης πληροφορίας σε κοινωνικά δίκτυα και πιο συγκεκριμένα για το κοινωνικό δίκτυο Twitter. Βασιστήκαμε στην υπόθεση πως μια πληροφορία που είναι αληθής συνήθως έχει πολλές και ανεξάρτητες πηγές, ενώ μια ψευδής πληροφορία συνήθως ξεκινά με ένα μικρό πλήθος – συχνά εξαρτώμενων μεταξύ τους - πηγών. Χρησιμοποιώντας σύγχρονες τεχνολογίες, δημιουργήσαμε μια υλοποίηση της μεθοδολογίας μας, την οποία και δοκιμάσαμε σε ένα σύνολο δεδομένων για να επαληθεύσουμε πως μπορεί να εφαρμοστεί έστω και σε μια απλοποιημένη μορφή.

The aim of this thesis was to create and implement a methodology for the detection of false information spread in social networks. Given the rapid spreading of social networks and their emerging role as a source of information for many of its users, detecting the propagation of false information across them comprises a research field gaining increasing importance.

To reap the appropriate knowledge, initially we studied what is false information and what unintentional and deliberate misinformation (disinformation / misinformation) means. Then, we studied the work and approach of other researchers on the issue of automatic detection of false information on social networks.

Finally, based on previous work and research that dealt with the topic, we propose a methodology as a method for automatic detection of false information in social networks and more specifically on the Twitter social network. We were based on the assumption that a piece of information that is true usually has many independent sources, while false information usually is initiated from a small number of dependent sources. Using modern technologies, we created an implementation of our methodology, which we tested on a dataset to verify that it can be implemented even in a simplified form.