Aditya Wanjale / Kirti Wanjale
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
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.