Machine Learning Based Model For Fake News Spreaders Detection

Résumé: Les d´eveloppements technologiques et les m´edias sociaux ont apport´e de nombreux avantages au cours des deux derni`eres d´ecennies. Cependant, cela a ´egalement donn´e une grande opportunit´e `a certains ph´enom`enes n´efastes de se d´evelopper tels que les fausses informations et plus particuli`erement les fausses nouvelles qui sont devenues une v´eritable menace pour les individus et les communaut´es. En effet, la diffusion de fausses nouvelles a affect´e n´egativement les utilisateurs des r´eseaux sociaux. Par cons´equent, il est devenu imp´eratif de lutter contre la diffusion de fausses nouvelles et de r´eduire la d´ependance `a l’´egard des fausses informations provenant de ces sources. Les progr`es r´ecents des techniques d’apprentissage en profondeur dans les tˆaches complexes de traitement du langage naturel en font ´egalement une solution prometteuse pour d´etecter les fausses nouvelles et les diffuseurs de fausses nouvelles. Dans ce travail, nous proposons un mod`ele d’apprentissage automatique pour la d´etection des diffuseurs de fausses nouvelles sur Twitter. Nous avons utilis´e un mod`ele bas´e sur l’apprentissage automatique utilisant les algorithmes Support Vector Machine (SVM) et Random Forest (RF) et nous avons obtenu une pr´ecision moyenne de 72%

Publié dans la revue: