Determining Truth in Social Media Content / Djahli,Mohamed Khalil  

Public ISBD Titre : Determining Truth in Social Media Content Type de document : texte imprimé Auteurs : Djahli,Mohamed Khalil, Auteur ; Harrag,Fouzi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (80 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Détection des infox Fausses nouvelles Vérification des faits Réseaux sociaux Approches de contenu Corpus en arabe Index. décimale : 004 - Informatique Résumé : L'information fallacieuse peut polariser la société, en particulier lors d'événements politiques. Les fausses nouvelles sapent la confiance dans les médias en général. De nos jours, il n’a jamais été aussi facile de diffuser de «fausses nouvelles», en particulier dans les réseaux sociaux. Compte tenu des enjeux élevés, déterminer la vérité dans les médias sociaux est récemment devenu une recherche émergente qui suscite un intérêt considérable. Les algorithmes actuels de traitement du langage naturel ne donnent toujours pas l'interprétation des actualités. Par conséquent, l’utilisation d’approches reposant sur le contenu des actualités remet en cause la détection des caractéristiques des fausses nouvelles; nous avons besoin d'informations auxiliaires pour la décision. Les approches basées sur ‘la propagation’ et ‘le contexte social’ peuvent constituer une stratégie alternative ou complémentaire aux approches basées sur le contenu. Dans cette thèse, on développe un réseaux de neurones profond pour classer les vraies et les fausses revendications en exploitant les ‘Réseaux neuronals convolutifs’. Dans notre expérience, on utilise une base de données en arabe qui inclue la vérification des faits pour créer notre modèle. Ensuite, on l’entraîne en fonction de différents attributs sélectionnés. Enfin, on évalue notre modèle en comparant les résultats avec les études précédentes. On discute également des domaines de recherche connexes mais aussi des directiosn futurs de recherche concernant la détection des fausses nouvelles sur les réseaux sociaux. Note de contenu : Sommaire on ...................................................................................................................... 1 1.1 Problem Description ................................................................................................................. 2 1.2 Contributions ............................................................................................................................ 3 1.3 Research Goal and Objectives .................................................................................................. 3 1.4 Conclusion ................................................................................................................................ 4 Background ....................................................................................................................... 6 2.1 Definition of Fake News ........................................................................................................... 6 2.2 Social Media ............................................................................................................................. 9 2.3 Fields and Areas Related to Truth Discovery ......................................................................... 16 2.4 Post-Truth Era ........................................................................................................................ 20 2.5 Data Mining Techniques ......................................................................................................... 20 2.6 Conclusion .............................................................................................................................. 21 Related Work ................................................................................................................... 23 3.1 Discussion of the latest related work ..................................................................................... 28 3.2 Conclusion .............................................................................................................................. 29 Conceptual Model ............................................................................................................ 31 4.1 Dataset ................................................................................................................................... 31 4.2 Standard NLP Tasks ................................................................................................................ 31 4.3 ‘K’-Fold Cross-Validation ........................................................................................................ 35 4.4 Model ..................................................................................................................................... 36 4.5 Conclusion .............................................................................................................................. 40 Implementation ............................................................................................................... 42 5.1 Dataset Importation ............................................................................................................... 42 5.2 Data Pre-processing ............................................................................................................... 46 5.3 Constructing the Convolutional Neural Network ................................................................... 67 5.4 Evaluation Metrics .................................................................................................................. 73 Conclusion and Future Work ............................................................................................. 78 6.1 Conclusion .............................................................................................................................. 78 6.2 Future Work ........................................................................................................................... 78 Bibliography ................................................................................................................... 80 Côte titre : MAI/0322 En ligne : https://drive.google.com/file/d/1gu8ARvRZpTOqRZIg5lNM1dUZssg8WVwO/view?usp=shari [...] Format de la ressource électronique : pdf Determining Truth in Social Media Content [texte imprimé] / Djahli,Mohamed Khalil, Auteur ; Harrag,Fouzi, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (80 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Détection des infox Fausses nouvelles Vérification des faits Réseaux sociaux Approches de contenu Corpus en arabe Index. décimale : 004 - Informatique Résumé : L'information fallacieuse peut polariser la société, en particulier lors d'événements politiques. Les fausses nouvelles sapent la confiance dans les médias en général. De nos jours, il n’a jamais été aussi facile de diffuser de «fausses nouvelles», en particulier dans les réseaux sociaux. Compte tenu des enjeux élevés, déterminer la vérité dans les médias sociaux est récemment devenu une recherche émergente qui suscite un intérêt considérable. Les algorithmes actuels de traitement du langage naturel ne donnent toujours pas l'interprétation des actualités. Par conséquent, l’utilisation d’approches reposant sur le contenu des actualités remet en cause la détection des caractéristiques des fausses nouvelles; nous avons besoin d'informations auxiliaires pour la décision. Les approches basées sur ‘la propagation’ et ‘le contexte social’ peuvent constituer une stratégie alternative ou complémentaire aux approches basées sur le contenu. Dans cette thèse, on développe un réseaux de neurones profond pour classer les vraies et les fausses revendications en exploitant les ‘Réseaux neuronals convolutifs’. Dans notre expérience, on utilise une base de données en arabe qui inclue la vérification des faits pour créer notre modèle. Ensuite, on l’entraîne en fonction de différents attributs sélectionnés. Enfin, on évalue notre modèle en comparant les résultats avec les études précédentes. On discute également des domaines de recherche connexes mais aussi des directiosn futurs de recherche concernant la détection des fausses nouvelles sur les réseaux sociaux. Note de contenu : Sommaire on ...................................................................................................................... 1 1.1 Problem Description ................................................................................................................. 2 1.2 Contributions ............................................................................................................................ 3 1.3 Research Goal and Objectives .................................................................................................. 3 1.4 Conclusion ................................................................................................................................ 4 Background ....................................................................................................................... 6 2.1 Definition of Fake News ........................................................................................................... 6 2.2 Social Media ............................................................................................................................. 9 2.3 Fields and Areas Related to Truth Discovery ......................................................................... 16 2.4 Post-Truth Era ........................................................................................................................ 20 2.5 Data Mining Techniques ......................................................................................................... 20 2.6 Conclusion .............................................................................................................................. 21 Related Work ................................................................................................................... 23 3.1 Discussion of the latest related work ..................................................................................... 28 3.2 Conclusion .............................................................................................................................. 29 Conceptual Model ............................................................................................................ 31 4.1 Dataset ................................................................................................................................... 31 4.2 Standard NLP Tasks ................................................................................................................ 31 4.3 ‘K’-Fold Cross-Validation ........................................................................................................ 35 4.4 Model ..................................................................................................................................... 36 4.5 Conclusion .............................................................................................................................. 40 Implementation ............................................................................................................... 42 5.1 Dataset Importation ............................................................................................................... 42 5.2 Data Pre-processing ............................................................................................................... 46 5.3 Constructing the Convolutional Neural Network ................................................................... 67 5.4 Evaluation Metrics .................................................................................................................. 73 Conclusion and Future Work ............................................................................................. 78 6.1 Conclusion .............................................................................................................................. 78 6.2 Future Work ........................................................................................................................... 78 Bibliography ................................................................................................................... 80 Côte titre : MAI/0322 En ligne : https://drive.google.com/file/d/1gu8ARvRZpTOqRZIg5lNM1dUZssg8WVwO/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0322	MAI/0322	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)