Please use this identifier to cite or link to this item:
https://dspace.univ-ouargla.dz/jspui/handle/123456789/30866
Title: | Machine Learning Based Model For Fake News Spreaders Detection |
Authors: | TOUMI, Chahrazad Difani, FatimaZohra Merhabaoui, Khadidja |
Keywords: | False Information Fake News PAN 2020 Support Vector Machine (SVM Random Forest (RF) |
Issue Date: | 2022 |
Publisher: | UNIVERSITY OF KASDI MERBAH OUARGLA |
Abstract: | Technological developments and social media, have come with so many benefits and
facilities in the last two decades. However, it have also gave a big opportunity for some
negative phenomenons to grow such as the false information and more specifically fake
news which became a real threat for individuals and communities.
Indeed, the spread of fake news has negatively affected the user’s of social media. Consequentially,
it has become imperative to combat the spread of fake news and reduce
reliance on fake information from these sources.
Recent advances in deep learning techniques in complex natural language processing tasks
also make it a promising solution for detecting fake news and fake news spreaders. In this
work, we propose a machine learning model for fake news spreaders detection on Twitter.
We used a machine learning based model using the Support Vector Machine (SVM) and
the Random Forest (RF) algorithms. We obtained an average accuracy of 72%. Les d´eveloppements technologiques et les m´edias sociaux ont apport´e de nombreux avantages au cours des deux derni`eres d´ecennies. Cependant, cela a ´egalement donn´e une grande opportunit´e `a certains ph´enom`enes n´efastes de se d´evelopper tels que les fausses informations et plus particuli`erement les fausses nouvelles qui sont devenues une v´eritable menace pour les individus et les communaut´es. En effet, la diffusion de fausses nouvelles a affect´e n´egativement les utilisateurs des r´eseaux sociaux. Par cons´equent, il est devenu imp´eratif de lutter contre la diffusion de fausses nouvelles et de r´eduire la d´ependance `a l’´egard des fausses informations provenant de ces sources. Les progr`es r´ecents des techniques d’apprentissage en profondeur dans les tˆaches complexes de traitement du langage naturel en font ´egalement une solution prometteuse pour d´etecter les fausses nouvelles et les diffuseurs de fausses nouvelles. Dans ce travail, nous proposons un mod`ele d’apprentissage automatique pour la d´etection des diffuseurs de fausses nouvelles sur Twitter. Nous avons utilis´e un mod`ele bas´e sur l’apprentissage automatique utilisant les algorithmes Support Vector Machine (SVM) et Random Forest (RF) et nous avons obtenu une pr´ecision moyenne de 72% |
Description: | Fundamental |
URI: | https://dspace.univ-ouargla.dz/jspui/handle/123456789/30866 |
Appears in Collections: | Département d'informatique et technologie de l'information - Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Difani-Merhabaoui.pdf | Fundamental | 943,35 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.