Back to search

National and Kapodistrian University of Athens

Real-time Fake-news Detection in Greek using a Browser Extension

Abstract

dc:description

Η διασπορά ψευδών ειδήσεων είναι ιδιαίτερα δημοφιλής τα τελευταία χρόνια, κυρίως λόγω της αυξανόμενης δημοτικότητας και χρήσης των κοινωνικών δικτύων (social media). Τέτοιου είδους ειδήσεις κάποιες φορές μπορεί να είναι πολύ επικίνδυνες, καθώς εξαπατούν τους αναγνώστες και μπορούν να τους ωθήσουν σε επικίνδυνες ενέργειες. Έτσι η ανίχνευση σε πραγματικό χρόνο τέτοιου είδους ειδήσεων είναι πολύ σημαντική. Η συγκεκριμένη εργασία περιγράφει τη διαδικασία υλοποίησης ενός πειραματικού browser extension που αναγνωρίζει αν ο χρήστης βρίσκεται σε κάποια ιστοσελίδα ελληνικού ειδησεογραφικού άρθρου και προβλέπει σε πραγματικό χρόνο, χωρίς να γίνει αντιληπτή από τον χρήστη η διαδικασία της πρόβλεψης, την πιθανότητα το συγκεκριμένο άρθρο να αποτελεί ψευδή είδηση χρησιμοποιώντας machine learning. Αρχικά, για τη δημιουργία της συγκεκριμένης επέκτασης, συλλέξαμε έναν σχετικά καλό αριθμό από ελληνικά ειδησιογραφικά άρθρα (~35.000) και ξεχωρίσαμε ποια από αυτά αποτελούν αληθινή και ποια ψευδή είδηση, ώστε να δημιουργήσουμε ένα dataset. Στη συνέχεια χρησιμοποιήσαμε το συγκεκριμένο dataset μαζί με τεχνικές για feature extraction από κείμενο ώστε να εκπαιδεύσουμε διάφορους αλγόριθμους ταξινόμησης. Το αποτέλεσμα της παραπάνω διαδικασίας παράγει ένα μοντέλο μηχανικής μάθησης, το οποίο μπορεί να αποθηκευτεί σε κάποιο αρχείο και να χρησιμοποιηθεί για προβλέψεις σε νέα δεδομένα. Έπειτα συγκρίναμε τα αποτελέσματά των παραγόμενων μοντέλων με βάση κοινές μετρικές. Τέλος επιλέξαμε το μοντέλο που έδινε τα καλύτερα αποτελέσματα και το χρησιμοποιήσαμε σαν βάση για να κατασκευάσουμε μια επέκταση browser που επικοινωνεί με το συγκεκριμένο μοντέλο αναγνώρισης ψευδών ειδήσεων. Τα αποτελέσματα της παραπάνω διαδικασία ήταν αρκετά ενθαρρυντικά για το πλήθος των διαθέσιμων δεδομένων και έδειξαν πως η επέκτασή μας μπορεί να προβλέψει με αρκετά μεγάλη ακρίβεια (~95%) και γρήγορα (~35 ms) αν ένα άρθρο αποτελεί ψευδή είδηση. Βέβαια υπάρχουν αρκετά ανοιχτά κομμάτια προς βελτίωση και μελλοντική έρευνα, όπως η ανίχνευση ψευδών ειδήσεων με χρήση διαφόρων νευρωνικών δικτύων αντί για αλγορίθμους ταξινόμησης. Ακόμη κάποια ανοιχτά κομμάτια που χρήζουν επέκτασης στην παρούσα εργασία είναι το retrain του μοντέλου και η αναγνώριση για το ποιο μέρος της ιστοσελίδας αποτελεί ειδησεογραφικό άρθρο.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Τρισπιώτης Οδυσσέας
  • Trispiotis Odysseas

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:2939919

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Τρισπιώτης Οδυσσέας; Trispiotis Odysseas. Real-time Fake-news Detection in Greek using a Browser Extension. 2021. https://pergamos.lib.uoa.gr/uoa/dl/object/2939919