ตัวแบบพยากรณ์การตรวจจับข่าวปลอมด้วยเทคนิคการเรียนรู้แบบรวมกลุ่ม
Article Sidebar
Main Article Content
บทคัดย่อ
ในปัจจุบันนี้ สื่อสังคมออนไลน์เป็นหนึ่งในกิจกรรมสำคัญของประชาชนทั่วไป เพื่อวัตถุประสงค์ในการแบ่งปันข่าวสารและเรื่องราวต่าง ๆ แก่ผู้คน ด้วยเหตุนี้ จึงก่อให้เกิดกลุ่มผู้ไม่ประสงค์ดีที่ต้องการหาผลประโยชน์แก่ตนเองและก่อความวุ่นวายในสังคมด้วยการสร้างข่าวลวงและเผยแพร่แก่บุคคลทั่วไป ในช่วงเวลาที่ผ่านมาได้มีความพยายามในการสร้างระบบสำหรับตรวจจับข่าวลวงบนสื่อสังคมออนไลน์ได้โดยอัตโนมัติ เช่น การตรวจจับโดยใช้การเรียนรู้ของเครื่องจักรเรียนรู้ข้อมูลข่าวสาร หรือ การใช้ระบบการเรียนรู้พฤติกรรมของผู้คนบนสื่อสังคมออนไลน์ เป็นต้น ซึ่งจากวิธีการที่ได้กล่าวมา จึงก่อให้เกิดแนวคิดของการบูรณาการการวิเคราะห์ข้อมูลแบบหลายปัจจัย เพื่อเสริมความถูกต้องของการทำนายระบบตรวจจับข่าวลวงให้มีประสิทธิภาพมากขึ้น ในงานวิจัยฉบับนี้จึงมีวัตถุประสงค์เพื่อนำเสนอตัวแบบพยากรณ์ในการตรวจจับข่าวปลอม ด้วยเทคนิคการเรียนรู้แบบรวมกลุ่มด้วยวิธีการโหวต โดยประกอบไปด้วยชุดข้อมูล 20,000 ชุดข้อมูล ซึ่งพิจารณาปัจจัยแหล่งที่มาของสื่อประกอบและปฏิสัมพันธ์ของผู้ใช้งานต่าง จากผลการทดสอบร่วมกับฐานข้อมูลข่าวลวงซึ่งบันทึกจากสื่อสังคมออนไลน์อย่าง Fakeddit.com พบว่าแบบจำลองที่นำเสนอมีประสิทธิภาพความถูกต้องในการพยากรณ์เท่ากับ 96.97% ซึ่งมากกว่าเทคนิคการเรียนรู้อื่นที่นำมาใช้ประกอบการเรียนรู้
Article Details
เอกสารอ้างอิง
Al Asaad, B., & Erascu, M. (2018, September). A tool for fake news detection. In 2018 20th International Symposium on Symbolic and Numeric Algorithms for Scientific Computing (SYNASC) (pp. 379–386). IEEE.
Allcott, H., & Gentzkow, M. (2017). Social media and fake news in the 2016 election. Journal of Economic Perspectives, 31(2), 211–236.
Amini, A., Bayiz, Y. E., Ram, A., Marculescu, R., & Topcu, U. (2024). News source credibility assessment: A Reddit case study. arXiv preprint arXiv:2402.10938.
Collins, B., Hoang, D. T., Nguyen, N. T., & Hwang, D. (2021). Trends in combating fake news on social media–a survey. Journal of Information and Telecommunication, 5(2), 247–266.
Dietterich, T. G. (2000, June). Ensemble methods in machine learning. In International Workshop on Multiple Classifier Systems (pp. 1–15). Springer Berlin Heidelberg.
Duguay, P. A. (2022). Read it on Reddit: Homogeneity and ideological segregation in the age of social news. Social Science Computer Review, 40(5), 1186–1202.
Gimpel, H., Heger, S., Olenberger, C., & Utz, L. (2021). The effectiveness of social norms in fighting fake news on social media. Journal of Management Information Systems, 38(1), 196–221.
Hamed, S. K., Ab Aziz, M. J., & Yaakub, M. R. (2023). Fake news detection model on social media by leveraging sentiment analysis of news content and emotion analysis of users’ comments. Sensors, 23(4), 1748.
Jain, A., Shakya, A., Khatter, H., & Gupta, A. K. (2019, September). A smart system for fake news detection using machine learning. In 2019 International Conference on Issues and Challenges in Intelligent Computing Techniques (ICICT) (Vol. 1, pp. 1–4). IEEE.
Kaushik, D., & Nadeem, M. (2024, May). Fake news detection using evolutionary ensemble deep learning. In 2024 International Conference on Communication, Computer Sciences and Engineering (IC3SE) (pp. 161–166). IEEE.
Mustafaraj, E., & Metaxas, P. T. (2017, June). The fake news' spreading plague: Was it preventable? In Proceedings of the 2017 ACM on Web Science Conference (pp. 235–239).
Paschen, J. (2020). Investigating the emotional appeal of fake news using artificial intelligence and human contributions. Journal of Product & Brand Management, 29(2), 223–233.
Pizarro, J. (2020, October). Profiling bots and fake news spreaders at PAN’19 and PAN’20: Bots and gender profiling 2019, profiling fake news spreaders on Twitter 2020. In 2020 IEEE 7th International Conference on Data Science and Advanced Analytics (DSAA) (pp. 626–630). IEEE.
Proferes, N., Jones, N., Gilbert, S., Fiesler, C., & Zimmer, M. (2021). Studying Reddit: A systematic overview of disciplines, approaches, methods, and ethics. Social Media+ Society, 7(2), 20563051211019004.
Przybyla, P. (2020, April). Capturing the style of fake news. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 34, No. 01, pp. 490–497).
Reshmi, T. S. (2022, July). Fake news detection using voting ensemble classifier. In 2022 International Conference on Inventive Computation Technologies (ICICT) (pp. 1241–1244). IEEE.
Shu, K., Sliva, A., Wang, S., Tang, J., & Liu, H. (2017). Fake news detection on social media: A data mining perspective. ACM SIGKDD Explorations Newsletter, 19(1), 22–36.
Shu, K., Wang, S., & Liu, H. (2019, January). Beyond news contents: The role of social context for fake news detection. In Proceedings of the Twelfth ACM International Conference on Web Search and Data Mining (pp. 312–320).
Tandoc Jr, E. C., Lim, D., & Ling, R. (2020). Diffusion of disinformation: How social media users respond to fake news and why. Journalism, 21(3), 381–398.
Yu, X., Gil-López, T., Shen, C., & Wojcieszak, M. (2022). Engagement with social media posts in experimental and naturalistic settings: How do message incongruence and incivility influence commenting? International Journal of Communication, 16, 24.
