Fake news detection with deep learning and machine learning methods

Abstract

Yaşadığımız çağda, özellikle teknoloji ve sosyal medyanın yükselişinden bu yana, sahte haberler bir toplum sorunu haline geldi. Haberlerin tarih boyunca toplum üzerinde etkisi olmuştur. Online platformların en büyük iletişim araçlarından biri olduğu günümüzde haberlerede çoğunlukla internet üzerinden erişiyoruz. Doğru bilgi kaynağına erişemediğimiz zaman ise birey, toplum hatta ülkeler için ciddi sorunlara yol açan problemler oluşuyor. Artık sahte haberlerin bazı durumlarda gerçek bilgilerden daha fazla ve daha hızlı yayıldığını görüyoruz.Teknolojinin gelişmesiyle bilginin kolay erişebilirliği birçok problemi de birlikte getirdi. Sahte haberler masum bir bilgi yanlışlarından çok toplumu yönlendirmek, toplum mühendisliği yapmak için kullanılır oldu. Günümüzde toplumsal hareketlere yön veren, insanları yanlış kararlar almaya yönlendiren, siyasi ve ekonomik olaylara etki eden bir sahte haber kavramı ile karşı karşıyayız. Yaşanılan olaylar bize büyük veri işleme , sosyal medya veri analizi gibi konularda çalışmalar yapılması gerektiğini gösteriyor. Bu çalışmada ekonomiyi, sosyolojiyi, siyaseti değiştirebilen sahte uydurma veya kurgulanmış içerikler daha genel bir başlık olan sahte haberler kullanıldı. Çeşitli kaynaklardan oluşan farklı veri setleri kullanıldı. Sahte haberlerin tespitini amaçlayan bu çalışmada hem machine learning hem de deep learning yöntemleri kullanıldı. Kullanılan farklı yapay zeka yöntemlerinin sahte haber tespiti üzerindeki performansını değerlendiriyorum. NLP, LSTM ve geleneksel makine öğrenimi yöntemleriyle karşılaştırıyorum.Yapılan deneylerde NLP, LSTM, Derin öğrenme tabanlı sınıflayıcılar ise geleneksel sınıflayıcılardan olan Naive Bayes, Random Forest classifier, SGD classifier, K-neighborhood classifier, Logistic Regression ile kıyaslanmış sonuçlarda derin öğrenme yöntemleri başarı ölçütlerinin çoğunda daha yüksek sınıflama başarısına sahip olmuştur.Büyük veri işleme, internet haberleri, sosyal medya veri analizi gibi konularda yapılması çok fazla çalışma yapılması gerektiği gerçeği ile bu tezin önemli bir sorun olan sahte haberler konusunda daha etkili çözümler üretilebilmesi için yarar sağlaması beklenmektedir. In our age, especially since the rise of technology and social media, fake news has become a problem in society. News has had an impact on society throughout history. Today, when online platforms are one of the biggest communication tools, we access the news over the internet. When we cannot access the right source of information, serious problems arise for the life of society. Anymore we see fake news spreading more and faster in some situations than real information. The availability of technology has brought us many of its problems too alongside the advantages of it. Fake news has been used for directing society and for social engineering rather than an innocent information mistake. Today, we are faced with a false fraud that guides social movements, makes wrong decisions, and affects political and economic events. The events experienced show us that work such as big data processing and social media data analysis needs to be done. In this study, fake news data is used which is a more general topic than fake fabricated or fictional content that can change this economy, sociology, politics. I evaluate this different artificial intelligence method, which aims at using machine learning and deep learning methods of fake news, with fake news detection. I compare NLP, LSTMs, and traditional machine method learning. LSTMs has had higher classification success in most machine method learning methods. The fact that a lot of work has to be done related to big data processing, internet news analyzing, social media data analysis encouraged me to this field. This thesis is expected to be useful for producing more effective solutions to fake news, which is an important problem.