Makine öğrenimi algoritmaları ile tweetlerde sahtelik tespit ve analizi

Sosyal medya uygulama ve kullanımının yaygınlaşması, paylaşımlardaki verilerin gerçek bilgi mi yoksa yanıltıcı bilgi mi içerdiği konusunda endişeleri artırmıştır. Sahtecilik tespit uygulamaları siyasete, felaketlere veya olumsuz olaylara ilişkin sahte Twitter gönderilerini ve sahte haber metinlerini tespit etmek için kullanılmaktadır. Sahtecilik tespit algoritmalarının temeli eğitim kümesi ile eğitilmiş model kullanılarak metni iki sınıfa ayırma işlemidir. Bu tez çalışmasında sahtecilik tespiti için sınıflandırma görevi kapsamında farklı makine öğrenmesi algoritmasını altı farklı veri kümesine uygulayarak performanslarını karşılaştırdık. Bu algoritmaların performans sonuçları veri kümeleri ve algoritmalar açısından detaylı olarak incelenmiştir. Veri kümelerinin bir kısmı İngilizce, bir tanesi ise Türkçe veri kümesinden oluşmaktadır. Veri kümeleri Covid19, siyaset, ekonomi, deprem, kasırga gibi çeşitli alanları ve konuları kapsamaktadır. Metin uzunluğunun etkisini değerlendirmek için hem kısa tweetlerden hem de daha uzun haber metinlerinden oluşan veri kümeleri seçilmiştir. İkinci olarak farklı veri kümelerinin eğitim ve test kümesi olarak kullanılmasının sonuçları incelenmiş ve hangi veri kümelerinin birlikte kullanıldığında iyi sonuçlar verdiği belirlenmiştir. Daha sonra, farklı veri kümelerinin birleştirilmesiyle elde edilen eğitim veri kümesi ile tek bir farklı veri kümesinden oluşan test kümesi kullanıldığında elde edilen sonuçlar analiz edilerek veri kümelerinin benzerlik veya farklılığının sonuçlar üzerindeki etkisi değerlendirilmiştir. Son olarak, geliştirilen model Uzun-Kısa Süreli Bellek (LSTM) algoritmasına dayandırılmış ve LSTM algoritmasında kullanılan katmanlar ve hiperparametreler ile yapılan çalışmalar temel alınarak oluşturulmuştur.