Aditya Wanjale / Kirti Wanjale
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Nie jest tajemnicą, że platformy mediów społecznościowych rozprzestrzeniają się w bezprecedensowym tempie, a wraz z coraz powszechniejszym dostępem do Internetu, rozpowszechnianie fałszywych wiadomości stało się szybkim i łatwym procesem. Konsekwencje tego zjawiska są głębokie, szczególnie w sferze polityki i edukacji, gdzie wpływ fałszywych wiadomości może być znacząco destrukcyjny.W tym badaniu wykorzystamy przetwarzanie języka naturalnego (NLP) do przekształcania tekstowych nagłówków wiadomości w wektory liczbowe. Zbadaliśmy i porównaliśmy dwie metody NLP, Bag of Words (BoW) i Term Frequency-Inverse Document Frequency (TF-IDF), aby zobaczyć, jak dobrze działają przy użyciu różnych algorytmów ML do identyfikacji fałszywych wiadomości.Będziemy używać kilku algorytmów klasyfikacji uczenia maszynowego, w tym Naïve Bayes, regresji logistycznej, Random Forest i Support Vector Machine. Naszym celem było zidentyfikowanie najskuteczniejszej techniki NLP do identyfikacji fałszywych wiadomości.