{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2967803"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2967803","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αξιοποίηση τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data) για την αναγνώριση και επαλήθευση ψευδών ειδήσεων στην ελληνική γλώσσα","abstract":"Η παρούσα διπλωματική εργασία διερευνά το πρόβλημα της ανίχνευσης και εν συνεχεία επαλήθευσης των ψευδών ειδήσεων στον ελληνικό γραπτό δημοσιογραφικό λόγο μέσω τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data). Οι συγκεκριμένες μέθοδοι ανήκουν στο ευρύτερο πλαίσιο των τεχνικών ψηφιακής ανίχνευσης ψευδών ειδήσεων και σκοπός τους είναι ο αυτοματοποιημένος εντοπισμός των τελευταίων. Η εύρωστη λειτουργία των μεθόδων αυτών απαιτεί την εκτενή εκπαίδευση τους μέσω κατάλληλων χαρακτηριστικών ποσοτήτων τα οποία εξάγονται από σώματα κειμένου, όπως γλωσσολογικά, μορφολογικά κ.ο.κ., αληθών και ψευδών ειδήσεων (επιβλεπόμενη μάθηση). Η ικανότητα διαχωρισμού των δεδομένων σε αληθείς και ψευδείς ειδήσεις καθορίζεται από τα επιλεχθέντα χαρακτηριστικά και τον βαθμό σημαντικότητας που χαρακτηρίζει το καθένα από αυτά. Ως σώματα κειμένων ψευδού περιεχομένου επιλέχθηκαν όλα τα άρθρα από την ιστοσελίδα Ελληνικά Hoaxes, και συγκεκριμένα από την κατηγορία fake news. Για το σετ δεδομένων των αληθών ειδήσεων αντλήθηκαν άρθρα διαφορετικών χρονικών περιόδων από την ιστοσελίδα CNN, η οποία επιλέχθηκε επειδή δεν είχε καμία παρουσία στην ιστοσελίδα Ελληνικά Hoaxes. Η επιλογή των κειμένων από διαφορετικές χρονικές περιόδους έγινε ώστε να μην υπάρχει συγκεκριμένο γλωσσολογικό ή μορφολογικό μοτίβο στο σετ δεδομένων. Οι στόχοι της εργασίας είναι, αρχικά, να γίνει γλωσσολογική ανάλυση του σώματος των ειδήσεων με χρήση της γλώσσας Python και ακολούθως, εφαρμογή μεθόδων μηχανικής μάθησης. Αποτιμώνται οι μέθοδοι της λογιστικής παλινδρόμησης, του δέντρου αποφάσεων και του τυχαίου δάσους. Εγκυρότερο μοντέλο μηχανικής μάθησης στο παρόν πείραμα ήταν με διαφορά αυτό του τυχαίου δάσους, ενώ το χαρακτηριστικό με τον υψηλότερο βαθμό σημαντικότητας και στα τρία μοντέλα ήταν το γλωσσολογικό χαρακτηριστικό του συγκριτικού βαθμού. Συμπερασματικά, προτείνεται η περαιτέρω γλωσσολογική διερεύνηση μοτίβων τα οποία με τον οποιοδήποτε τρόπο υποδηλώνουν σύγκριση γεγονότων για προπαγανδιστικούς λόγους.","abstract_html":"Η παρούσα διπλωματική εργασία διερευνά το πρόβλημα της ανίχνευσης και εν συνεχεία επαλήθευσης των ψευδών ειδήσεων στον ελληνικό γραπτό δημοσιογραφικό λόγο μέσω τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data). Οι συγκεκριμένες μέθοδοι ανήκουν στο ευρύτερο πλαίσιο των τεχνικών ψηφιακής ανίχνευσης ψευδών ειδήσεων και σκοπός τους είναι ο αυτοματοποιημένος εντοπισμός των τελευταίων. Η εύρωστη λειτουργία των μεθόδων αυτών απαιτεί την εκτενή εκπαίδευση τους μέσω κατάλληλων χαρακτηριστικών ποσοτήτων τα οποία εξάγονται από σώματα κειμένου, όπως γλωσσολογικά, μορφολογικά κ.ο.κ., αληθών και ψευδών ειδήσεων (επιβλεπόμενη μάθηση). Η ικανότητα διαχωρισμού των δεδομένων σε αληθείς και ψευδείς ειδήσεις καθορίζεται από τα επιλεχθέντα χαρακτηριστικά και τον βαθμό σημαντικότητας που χαρακτηρίζει το καθένα από αυτά. Ως σώματα κειμένων ψευδού περιεχομένου επιλέχθηκαν όλα τα άρθρα από την ιστοσελίδα Ελληνικά Hoaxes, και συγκεκριμένα από την κατηγορία fake news. Για το σετ δεδομένων των αληθών ειδήσεων αντλήθηκαν άρθρα διαφορετικών χρονικών περιόδων από την ιστοσελίδα CNN, η οποία επιλέχθηκε επειδή δεν είχε καμία παρουσία στην ιστοσελίδα Ελληνικά Hoaxes. Η επιλογή των κειμένων από διαφορετικές χρονικές περιόδους έγινε ώστε να μην υπάρχει συγκεκριμένο γλωσσολογικό ή μορφολογικό μοτίβο στο σετ δεδομένων. Οι στόχοι της εργασίας είναι, αρχικά, να γίνει γλωσσολογική ανάλυση του σώματος των ειδήσεων με χρήση της γλώσσας Python και ακολούθως, εφαρμογή μεθόδων μηχανικής μάθησης. Αποτιμώνται οι μέθοδοι της λογιστικής παλινδρόμησης, του δέντρου αποφάσεων και του τυχαίου δάσους. Εγκυρότερο μοντέλο μηχανικής μάθησης στο παρόν πείραμα ήταν με διαφορά αυτό του τυχαίου δάσους, ενώ το χαρακτηριστικό με τον υψηλότερο βαθμό σημαντικότητας και στα τρία μοντέλα ήταν το γλωσσολογικό χαρακτηριστικό του συγκριτικού βαθμού. Συμπερασματικά, προτείνεται η περαιτέρω γλωσσολογική διερεύνηση μοτίβων τα οποία με τον οποιοδήποτε τρόπο υποδηλώνουν σύγκριση γεγονότων για προπαγανδιστικούς λόγους.","abstract_has_math":false,"creators":["Σπανού Αικατερίνη","Spanou Aikaterini"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021","date_published":"2021","updated_at":"2026-11-19T05:44:24Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2967803"],"render_values":[{"text":"uoadl:2967803","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2967803","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2967803","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2967803","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σπανού Αικατερίνη","Spanou Aikaterini"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2967803","https://pergamos.lib.uoa.gr/uoa/dl/object/2967803"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία διερευνά το πρόβλημα της ανίχνευσης και εν συνεχεία επαλήθευσης των ψευδών ειδήσεων στον ελληνικό γραπτό δημοσιογραφικό λόγο μέσω τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data). Οι συγκεκριμένες μέθοδοι ανήκουν στο ευρύτερο πλαίσιο των τεχνικών ψηφιακής ανίχνευσης ψευδών ειδήσεων και σκοπός τους είναι ο αυτοματοποιημένος εντοπισμός των τελευταίων. Η εύρωστη λειτουργία των μεθόδων αυτών απαιτεί την εκτενή εκπαίδευση τους μέσω κατάλληλων χαρακτηριστικών ποσοτήτων τα οποία εξάγονται από σώματα κειμένου, όπως γλωσσολογικά, μορφολογικά κ.ο.κ., αληθών και ψευδών ειδήσεων (επιβλεπόμενη μάθηση). Η ικανότητα διαχωρισμού των δεδομένων σε αληθείς και ψευδείς ειδήσεις καθορίζεται από τα επιλεχθέντα χαρακτηριστικά και τον βαθμό σημαντικότητας που χαρακτηρίζει το καθένα από αυτά. Ως σώματα κειμένων ψευδού περιεχομένου επιλέχθηκαν όλα τα άρθρα από την ιστοσελίδα Ελληνικά Hoaxes, και συγκεκριμένα από την κατηγορία fake news. Για το σετ δεδομένων των αληθών ειδήσεων αντλήθηκαν άρθρα διαφορετικών χρονικών περιόδων από την ιστοσελίδα CNN, η οποία επιλέχθηκε επειδή δεν είχε καμία παρουσία στην ιστοσελίδα Ελληνικά Hoaxes. Η επιλογή των κειμένων από διαφορετικές χρονικές περιόδους έγινε ώστε να μην υπάρχει συγκεκριμένο γλωσσολογικό ή μορφολογικό μοτίβο στο σετ δεδομένων. Οι στόχοι της εργασίας είναι, αρχικά, να γίνει γλωσσολογική ανάλυση του σώματος των ειδήσεων με χρήση της γλώσσας Python και ακολούθως, εφαρμογή μεθόδων μηχανικής μάθησης. Αποτιμώνται οι μέθοδοι της λογιστικής παλινδρόμησης, του δέντρου αποφάσεων και του τυχαίου δάσους. Εγκυρότερο μοντέλο μηχανικής μάθησης στο παρόν πείραμα ήταν με διαφορά αυτό του τυχαίου δάσους, ενώ το χαρακτηριστικό με τον υψηλότερο βαθμό σημαντικότητας και στα τρία μοντέλα ήταν το γλωσσολογικό χαρακτηριστικό του συγκριτικού βαθμού. Συμπερασματικά, προτείνεται η περαιτέρω γλωσσολογική διερεύνηση μοτίβων τα οποία με τον οποιοδήποτε τρόπο υποδηλώνουν σύγκριση γεγονότων για προπαγανδιστικούς λόγους.","The problem of fake news detection and verification in Greek written journalism through machine learning (ML) and Big Data Processing techniques is investigated. These techniques belong to the broader context of digital news detection methods and main their purpose is the automated detection of the latter with minimal human intervention. However, their robust operation requires their extensive training through appropriate characteristic quantities which are extracted from text bodies, such as linguistic, morphological, etc., of true and fake news (supervised learning). The main goal of this study is to examine the degree of significance of various features based on their true-fake news discrimination capability via three conventional techniques. The employed techniques are logistic regression, decision tree and random forest, and their training is based on σετ δεδομένωνs corresponding to both real and fake news. In particular, articles from the CNN website obtained at different time periods correspond to real news, whereas all articles from Ellinika Hoaxes, specifically from the fake news category, were selected as bodies of fake news content. It is worth noting, that the CNN website articles had no presence so far on the Greek Hoaxes website. Moreover, the selection of texts from different time periods is important in order to avoid specific linguistic or morphological pattern in the dataset. The main objectives of the study are the conduction of a linguistic analysis of the news body using the Python language for proper feature extraction and, based upon it, the implementation of the three aforementioned machine learning techniques. Finally, the assessment of these methods is performed, indicating that the most valid machine learning technique is by far the random forest one, and that the most proper feature is of linguistic nature associated with the comparative degree of adjectives. Potential future work pertains to further linguistic investigation of motifs based on proper comparisons among facts for propaganda purposes is required ."]},{"key":"dc:title","label":"Title","values":["Αξιοποίηση τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data) για την αναγνώριση και επαλήθευση ψευδών ειδήσεων στην ελληνική γλώσσα"]}]}],"canonical_facts":{"dc:creator":["Σπανού Αικατερίνη","Spanou Aikaterini"],"dc:date":["2021"],"dc:description":["Η παρούσα διπλωματική εργασία διερευνά το πρόβλημα της ανίχνευσης και εν συνεχεία επαλήθευσης των ψευδών ειδήσεων στον ελληνικό γραπτό δημοσιογραφικό λόγο μέσω τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data). Οι συγκεκριμένες μέθοδοι ανήκουν στο ευρύτερο πλαίσιο των τεχνικών ψηφιακής ανίχνευσης ψευδών ειδήσεων και σκοπός τους είναι ο αυτοματοποιημένος εντοπισμός των τελευταίων. Η εύρωστη λειτουργία των μεθόδων αυτών απαιτεί την εκτενή εκπαίδευση τους μέσω κατάλληλων χαρακτηριστικών ποσοτήτων τα οποία εξάγονται από σώματα κειμένου, όπως γλωσσολογικά, μορφολογικά κ.ο.κ., αληθών και ψευδών ειδήσεων (επιβλεπόμενη μάθηση). Η ικανότητα διαχωρισμού των δεδομένων σε αληθείς και ψευδείς ειδήσεις καθορίζεται από τα επιλεχθέντα χαρακτηριστικά και τον βαθμό σημαντικότητας που χαρακτηρίζει το καθένα από αυτά. Ως σώματα κειμένων ψευδού περιεχομένου επιλέχθηκαν όλα τα άρθρα από την ιστοσελίδα Ελληνικά Hoaxes, και συγκεκριμένα από την κατηγορία fake news. Για το σετ δεδομένων των αληθών ειδήσεων αντλήθηκαν άρθρα διαφορετικών χρονικών περιόδων από την ιστοσελίδα CNN, η οποία επιλέχθηκε επειδή δεν είχε καμία παρουσία στην ιστοσελίδα Ελληνικά Hoaxes. Η επιλογή των κειμένων από διαφορετικές χρονικές περιόδους έγινε ώστε να μην υπάρχει συγκεκριμένο γλωσσολογικό ή μορφολογικό μοτίβο στο σετ δεδομένων. Οι στόχοι της εργασίας είναι, αρχικά, να γίνει γλωσσολογική ανάλυση του σώματος των ειδήσεων με χρήση της γλώσσας Python και ακολούθως, εφαρμογή μεθόδων μηχανικής μάθησης. Αποτιμώνται οι μέθοδοι της λογιστικής παλινδρόμησης, του δέντρου αποφάσεων και του τυχαίου δάσους. Εγκυρότερο μοντέλο μηχανικής μάθησης στο παρόν πείραμα ήταν με διαφορά αυτό του τυχαίου δάσους, ενώ το χαρακτηριστικό με τον υψηλότερο βαθμό σημαντικότητας και στα τρία μοντέλα ήταν το γλωσσολογικό χαρακτηριστικό του συγκριτικού βαθμού. Συμπερασματικά, προτείνεται η περαιτέρω γλωσσολογική διερεύνηση μοτίβων τα οποία με τον οποιοδήποτε τρόπο υποδηλώνουν σύγκριση γεγονότων για προπαγανδιστικούς λόγους.","The problem of fake news detection and verification in Greek written journalism through machine learning (ML) and Big Data Processing techniques is investigated. These techniques belong to the broader context of digital news detection methods and main their purpose is the automated detection of the latter with minimal human intervention. However, their robust operation requires their extensive training through appropriate characteristic quantities which are extracted from text bodies, such as linguistic, morphological, etc., of true and fake news (supervised learning). The main goal of this study is to examine the degree of significance of various features based on their true-fake news discrimination capability via three conventional techniques. The employed techniques are logistic regression, decision tree and random forest, and their training is based on σετ δεδομένωνs corresponding to both real and fake news. In particular, articles from the CNN website obtained at different time periods correspond to real news, whereas all articles from Ellinika Hoaxes, specifically from the fake news category, were selected as bodies of fake news content. It is worth noting, that the CNN website articles had no presence so far on the Greek Hoaxes website. Moreover, the selection of texts from different time periods is important in order to avoid specific linguistic or morphological pattern in the dataset. The main objectives of the study are the conduction of a linguistic analysis of the news body using the Python language for proper feature extraction and, based upon it, the implementation of the three aforementioned machine learning techniques. Finally, the assessment of these methods is performed, indicating that the most valid machine learning technique is by far the random forest one, and that the most proper feature is of linguistic nature associated with the comparative degree of adjectives. Potential future work pertains to further linguistic investigation of motifs based on proper comparisons among facts for propaganda purposes is required ."],"dc:identifier":["uoadl:2967803","https://pergamos.lib.uoa.gr/uoa/dl/object/2967803"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Αξιοποίηση τεχνικών μηχανικής μάθησης (ML) και Επεξεργασίας δεδομένων μεγάλου όγκου (Big Data) για την αναγνώριση και επαλήθευση ψευδών ειδήσεων στην ελληνική γλώσσα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:44:24Z"}