| Περίληψη |
Tα τελευταία χρόνια, παρατηρούμε την άνοδο της παραπληροφόρησης στο Διαδίκτυο. Οι
χρήστες διαρκώς πέφτουν θύματα ψευδών ειδήσεων και συμβάλλουν στη διάδοση τους, εν
γνώσει τους ή μη. Η χρήση προπαγάνδας είναι ένα διόλου πρόσφατο φαινόμενο, αλλά ποτέ πριν
δεν υπήρχε η κατάλληλη τεχνολογία για να διαδοθεί τόσο αποτελεσματικά. Η χρήση των
κοινωνικών μέσων που έχει λάβει σημαντικές διαστάσεις στη ζωή μας την τελευταία δεκαετία,
ώθησε πρακτικά την αύξηση της παραπληροφόρησης, συμπεριλαμβανομένης της σχετικής
διάδοσης ψεύτικων ειδήσεων. Οι πυροβολισμοί ως αποτέλεσμα της θεωρίας συνωμοσίας
«pizzagate» και το σκάνδαλο Cambridge Analytica, υποδεικνύουν πώς δεν πρέπει να λάβουμε
αψήφιστα αυτή την άνοδο της παραπληροφόρησης.
Αρκετές πρόσφατες δουλειές προσπαθούν να περιορίσουν τις συνέπειες από την διάδοση των
ψευδών ειδήσεων, εντοπίζοντας τις αυτόματα χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης,
γνωστές λίστες, πληροφορίες από κοινωνικά δίκτυα κλπ.
Στην παρούσα μεταπτυχιακή εργασία παρουσιάζουμε το Check-It, ένα σύστημα που συνδυάζει
μια ποικιλία σημάτων με στόχο την ταυτοποίηση των ψευδών ειδήσεων. Τέτοια σήματα
περιλαμβάνουν τη φήμη του ατόμου (λογαριασμού) που δημοσιεύει τις ειδήσεις, τη φήμη της
ιστοσελίδας όπου φιλοξενούνται τα νέα, τα γλωσσικά στοιχεία που χαρακτηρίζουν ένα ψεύτικο
ειδησεογραφικό άρθρο καθώς και το ίδιο το περιεχόμενο του άρθρου.
Χρησιμοποιώντας μια προσέγγιση βαθιάς μάθησης συνδυάζουμε όλα αυτά τα χαρακτηριστικά
για τον υπολογισμό μιας έγκαιρης και ακριβούς ένδειξης. Το Check-It έχει αναπτυχθεί ως ένα
plugin για προγράμματα περιήγησης ιστού με στόχο την αποτελεσματική και έγκαιρη ανίχνευση
ψεύτικων ειδήσεων, ενώ παράλληλα σέβεται το ιδιωτικό απόρρητο των χρηστών. Οι απαιτήσεις
που επιβάλαμε για τον σχεδιασμό του Check-It είναι η συμμόρφωση με το GDPR, η έλλειψη
ανακριβών απαντήσεων, ο μικρός χρόνος απόκρισης και ο μικρός υπολογιστικός φόρτος. Για να
υλοποιήσουμε το plugin μας έχουμε χρησιμοποιήσει βιβλιοθήκες γραμμένες σε JavaScript, όπως
οι Minhash.js και TensorFlow.js.
Στην παρούσα εργασία παρουσιάζουμε το σχεδιασμό, την υλοποίηση και την αξιολόγηση της
απόδοσης του Check-It. Τα πειραματικά αποτελέσματα πάνω σε γνωστά σύνολα δεδομένων
δείχνουν ότι το Check-It συνιστά βελτίωση των σύγχρονων σχετικών μεθόδων, ενώ ταυτόχρονα
επιτυγχάνει ακρίβεια της τάξης του 93%. Επιπλέον, ορίζουμε ορισμένες κατευθύνσεις που
μπορούν να ακολουθήσουν οι μελλοντικές εκδόσεις του Check-It.
|
Check-it: Real-time detection of fake news
