Weighted accuracy algorithmic approach in counteracting fake news and disinformation / Algorytmiczne podejście do dokładności ważonej w przeciwdziałaniu fałszywym informacjom i dezinformacji

Abstract

Subject and purpose of work: Fake news and disinformation are polluting information environment. Hence, this paper proposes a methodology for fake news detection through the combined weighted accuracies of seven machine learning algorithms. Materials and methods: This paper uses natural language processing to analyze the text content of a list of news samples and then predicts whether they are FAKE or REAL. Results: Weighted accuracy algorithmic approach has been shown to reduce overfitting. It was revealed that the individual performance of the different algorithms improved after the data was extracted from the news outlet websites and 'quality' data was filtered by the constraint mechanism developed in the experiment. Conclusions: This model is different from the existing mechanisms in the sense that it automates the algorithm selection process and at the same time takes into account the performance of all the algorithms used, including the less performing ones, thereby increasing the mean accuracy of all the algorithm accuracies.

Przedmiot i cel pracy: Fałszywe wiadomości i dezinformacja prowadzą do skażenia środowiska informacyjnego. Dlatego w niniejszym artykule zaproponowano metodologię wykrywania fałszywych wiadomości za pomocą połączonych dokładności ważonych siedmiu algorytmów uczenia maszynowego. Materiały i metody: Artykuł ten wykorzystuje przetwarzanie języka naturalnego do analizy zawartości tekstowej listy próbek wiadomości, a następnie przewiduje, czy są one FAŁSZYWE, czy PRAWDZIWE. Wyniki: Wykazano, że algorytmiczne podejście do dokładności ważonej zmniejsza nadmierne dopasowanie. Wykazano, że indywidualne działanie różnych algorytmów poprawiło się po wyodrębnieniu danych z serwisów informacyjnych i filtrowaniu danych „jakościowych” przez mechanizm ograniczeń opracowany w eksperymencie. Wnioski: Model ten różni się od istniejących mechanizmów w tym sensie, że automatyzuje proces doboru algorytmów i jednocześnie bierze pod uwagę działania wszystkich zastosowanych algorytmów, w tym tych mniej wydajnych, zwiększając tym samym średnią dokładność wszystkich dokładności algorytmów.