Twitter'da Makine Öğrenmesi Yöntemleriyle Sahte Haber Tespiti-Reference-Cited by-同舟云学术

Twitter'da Makine Öğrenmesi Yöntemleriyle Sahte Haber Tespiti

Published:2023-07-31 Issue:2 Volume:23 Page:1017-1027
ISSN:2757-9425
Container-title:Abant Sosyal Bilimler Dergisi
language:
Short-container-title:

Author:

KAYAKUŞ Mehmet¹^ORCID,YİĞİT AÇIKGÖZ Fatma¹^ORCID

Affiliation:

1. AKDENİZ ÜNİVERSİTESİ

Abstract

Gelişen teknolojik olanaklara bağlı olarak iletişim alanında da önemli değişiklikler yaşanmıştır. İnternetin yaygınlaşması ile geleneksel iletişim araçlarının yerini bilgiye ulaşmanın hızlı ve kolay olduğu yeni teknolojik yöntemler almıştır. Bu teknolojik yeniliklerin başında da kullanıcıların interaktif iletişimine olanak sağlayan sosyal medya platformları gelmektedir. Kullanıcıların hizmetine sunulan birçok sosyal ağ arasında Twitter, yazılı ve görsel habercilik için uygun bir platform olması nedeniyle hem gündemi takip etmek isteyen kullanıcılar hem de haberini hızla hedef kitleye ulaştırmak isteyen haber kaynakları tarafından yoğun olarak tercih edilmektedir. Haberin insanlar arasında hızla yayılması ve etkileşim sağlamasına olanak sunan bu platformun avantajları yanında bazı dezavantajları da bulunmaktadır. Haberin kontrol edilememesi nedeniyle sahte haberlerin dolaşıma sokulması ve bunların engellenme güçlüğü bunlardan bazılarıdır. Bu çalışmada Twitter’da sahte haberleri tespit etmek için makine öğrenmesi yöntemleri kullanılmıştır. Örnek bir konu seçilmiş ve bununla ilgili yapılmış sahte ve gerçek haberler tespit edilmiştir. Çalışmada karar ağaçları ve Naive Bayes yöntemleri kullanılmıştır. Çalışmanın sonuçları karışıklık matrisi ve F1 skoru yöntemine göre karşılaştırılmıştır. Karar ağaçları yönteminin F1 skoru 0,829, Naive Bayes yönteminin ise 0,883 olmuştur. Bu sonuçlara göre Naive Bayes yönteminin Twitter’da sahte haber tespiti için daha başarılı bir yöntem olduğu görülmüştür. Bu çalışma ile Twitter’da sahte haberlerin tespiti yapılabilecek ve önlemler alınabilecektir.

Publisher

Abant Izzet Baysal University Graduate School of Social Sciences

Reference18 articles.

1. Amanzholova, A., Doğru, İ. A. ve Coşkun, A. (2019), Twitterda Veri Madenciliği Yöntemlerin Kullanarak Bot Tespiti. Ejons Internatıonal Journal, 3(11), s.98-107. Aydin, I., Mehmet, S. ve Salur, M. U. (2018), Detection of Fake Twitter Accounts with Machine Learning Algorithms. 2018 International Conference on Artificial Intelligence and Data Processing (IDAP).

2. Bengisu, E., Şahin, E. A., Toydemir, M. S. ve Dökeroğlu, T. (2021), Makine Öğrenmesi Algoritmaları ile Trol Hesapların Tespiti. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 9(1), s.430-442.

3. Çakır, H. (2018), Kırgızistan-Türkiye Manas Üniversitesi Öğrencilerinin Sosyal Medya Kullanım Alışkanlıkları. MANAS Sosyal Araştırmalar Dergisi, 7(3), s.539-563.

4. Eren, E. ve Vardarlıer, P. (2013), Social Media's Role in Developing an Employees Sense of Belonging in The Workplace as An Hrm Strategy. Procedia-Social and Behavioral Sciences, 99, s. 852-860.

5. Hamdi, T., Slimi, H., Bounhas, I. ve Slimani, Y. (2020), A Hybrid Approach for Fake News Detection in Twitter Based on User Features and Graph Embedding. International conference on distributed computing and internet technology.

Cited by 3 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Türkçe Doğal Dil İşleme: Ses Bilgisi ve Morfolojik Analiz;Journal of Innovative Engineering and Natural Science;2024-07-03

2. Yeni Medyanın Sürdürülebilirlik Bakış Açısına Göre İncelenmesi: Bibliyometrik Analiz;Abant Sosyal Bilimler Dergisi;2024-03-25

3. Estimation Of Turkey's Carbon Dioxide Emission with Machine Learning;International Journal of Computational and Experimental Science and Engineering;2024-03-20