AI Summary & Key Takeaways
AI InsightAccuracy rates of 90% and higher were achieved in news classification tasks, demonstrating the proposed model's ability to accurately distinguish between real and fake news.
📌 3 Key Takeaways
Abstract
This research develops a robust and accurate AI-powered system capable of analyzing news articles and detecting fake news. The proposed study utilizes a hybrid approach based on advanced deep learning techniques, employing both Long Short Term Memory (LSTM) and Transformer-based models, to develop this system. A comprehensive dataset of news articles, including both "real" and "fake" news, was collected from BBC and Anadolu Agency news channels and pre-processed to ensure data quality and consistency. Furthermore, a web interface was developed using the Flask web framework, guaranteeing usability and adaptability. Model performance was evaluated using Python language and libraries, employing relevant metrics such as accuracy, precision, recall, and F1 score. Accuracy rates of 90% and higher were achieved in news classification tasks, demonstrating the proposed model's ability to accurately distinguish between real and fake news.
Özet
Bu araştırmada, haber makalelerini analiz edebilen ve sahte haberleri tespit edebilen sağlam ve doğru bir yapay zekâ destekli sistem geliştirilmiştir. Önerilen çalışmada bu sistemi geliştirebilmek için Uzun Kısa Süreli Bellek ve Transformer tabanlı model olmak üzere gelişmiş derin öğrenme tekniklerine dayalı hibrit bir yöntem önerilmiştir. Bu çalışmada, hem “gerçek” hem de “sahte” haberler dâhil olmak üzere kapsamlı bir haber makaleleri BBC, Anadolu Ajansı haber kanallarından veri kümesi toplanmış ve veri kalitesini ve tutarlılığını sağlamak için bu veriler ön işleme tabi tutulmuştur. Bu çalışmada ayrıca, kullanışlılığını ve uyarlanabilirliğini garanti altına alan Flask web framework'ü kullanılarak bir web arayüzü geliştirilmiştir. Modellerin performansı, doğruluk, kesinlik, geri çağırma ve F1 puanı gibi ilgili ölçütler kullanılarak Python dili ve kütüphaneleri kullanılarak değerlendirilmiştir. Haber sınıflandırma görevlerinde %90 ve daha yüksek bir doğruluk oranına ulaşılmış ve önerilen model gerçek ve sahte haberleri doğru bir şekilde ayırt etme yeteneği göstermiştir.