การศึกษาประสิทธิภาพของการเรียนรู้ของเครื่องในการตรวจจับข่าวลวง
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
คุณานนต์ ประสานศิลป์
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
สุพรรณี สุภีรัตน์, พัฒนพันธ์ สิงห์สวัสดิ์
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
Our study on exploring the performance of machine learning in fake news detection shows that machine learning can be a powerful tool in identifying fake news from writing styles. Our best performing model which uses TF-IDF extraction with Support Vector Machine combined with data augmentation achieves 92% accuracy and 92% F1-score on our test set (LimeSoda dataset). Additionally, augmenting data using back translation method significantly improves the performance of the models, especially when combined with a TF-IDF extraction. However, detecting fake news from the writing style can lead to a high amount of false positives, in case if a fact news document has some characteristics of fake news within it. This can then lead to inaccurate predictions.