Türkçe için sahte haber tespit modelinin oluşturulması
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: İngilizce
Öğrenci: UĞUR MERTOĞLU
Danışman: Burkay Genç
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Basılı medyanın çevrim içi ortamlarda faaliyet gösteren medyaya dönüşmesi, internetin ve sosyal medyanın haber kaynağı olarak giderek artan yoğunlukta kullanımı, medya okuryazarlığı kavramını ve insanların haber edinme alışkanlıklarını çarpıcı şekilde değiştirmiştir. Bu doğrultuda, bireyler ve organizasyonlar haber edinmek için çevrim içi haber sitelerinden ve sosyal medya platformlarından yoğun olarak yararlanmaya başlamıştır. Bu daha hızlı, daha kolay ve nispeten daha ucuz olan fırsat; insanların bilgiye erişimi açısından kolaylık sağlarken, haberlerin potansiyel etkileri düşünüldüğünde önemli problemleri de beraberinde getirmektedir. Daha önce görülmemiş bir hızda, devasa boyut ve çeşitlilikte yayılan haberleri, doğrulamak veya bilgiye dönüşebilecek okumaya değer bir veri olduğunu saptamak; içinde bulunduğumuz çağda insan gücü ile üstesinden gelinemeyecek bir problemi doğurmuştur. İnsanların içerik yönünden muğlak veya sahte bir haberi gerçek bir habere oranla daha hızlı yayma eğilimi, problemi daha da zor bir hale sokmaktadır. Sahte haberlerden kaynaklı gelişmelerin etkisiyle oluşan olumsuz durumlar arttıkça, değişik amaçlarla bilinçli veya bilinçsiz şekilde vuku bulan bu asimetrik tehdide karşı sosyal medya platformları, ticari organizasyonlar, kurumlar ve hatta devletler kendi önlemlerini almaya başlamışlardır. Bu durum araştırmacıları; çoğunlukla metin türündeki bu haberleri analiz etmeye, bilimsel altyapılar oluşturmaya, sahte haber tespitini amaçlayan akıllı sistemler geliştirmeye motive etmiştir. Temel olarak metinsel aldatma/sahteciliğin tespiti, Metin Analizi/Madenciliği ve Doğal Dil İşleme (DDİ) disiplinlerinin kesişim alanına girmektedir. Geniş perspektiften değerlendirildiğinde ise problem; büyük veri analizi, yapay zekâ, makine öğrenmesi, derin öğrenme vb. gibi birçok sistematiğin birlikte kullanılmasını gerektiren bir araştırma alanı haline dönüşmüştür. Haber etiketleme ve doğrulama sistemleri; metinsel aldatma, içerik sahteciliği, video/foto kaynak tespiti, gerçeklik kontrolü, ironi tespiti, kitle kaynak kullanımı vb. birçok boyutuyla değerlendirilen karmaşık ve iç içe geçmiş alt sistematikleri kullanmak üzere kurgulanmaktadır. Özellikle metinsel aldatmanın tespitinde başarım, dile özgü kaynak ve kütüphanelerin gelişmişlik düzeyiyle doğrudan orantılıdır. Sahte Haber Tespiti alanında literatürdeki birçok çalışma İngilizce diline özgüdür. Her ne kadar bazı analiz ve modellemeler genelleştirilebilir olsa da Türkçenin de içinde bulunduğu birçok dilin kendilerine özgü karakteristik analizi doğru sonuçlara ulaşmak için elzemdir. Özellikle son 5 yıldaki gelişmeler alan için akademik anlamda bir bilgi birikimi oluşturmuş olsa da Türkçe Sahte Haber Tespitine yönelik literatürde bilinen bir çalışma olmadığı görülmektedir. Bu durum, Türkçe gibi sondan eklemeli diller için de dile özgü karakteristiklerin üzerinde durularak konunun ele alınmasını gerekli kılmaktadır. Çalışmamızın ana çerçevesi ve temel hipotezi, potansiyel sahte haberlerin yenilikçi dilbilimsel yaklaşımlar kullanılarak hibrit/melez metodolojilerle tespit edilebileceği fikrine dayanmaktadır. Bu doğrultuda, Türkçe Sahte Haber Tespitine yönelik temel alınabilecek, geliştirilebilir bir model oluşturulması amaçlanmıştır. Tez kapsamında üç temel hedefe ulaşılması için çalışmalar yapılmıştır. Bu hedeflerin ilki; tez kapsamında elde edilen veri setinin alanda temel olabilecek, tüm disiplinlerin erişimine açık bir kaynak olarak sunulacak olmasıdır. İkinci temel hedef, bu veri seti kullanılarak elde edilen ve probleme farklı bir bakış açısı katmak üzere Dil Modellemesi yapılarak Türkçe Sahte Haber Sözlüğü geliştirilmesidir. Tez kapsamında hedeflenen diğer önemli husus ise, Türkçe Sahte Haber Tespitine yönelik makine öğrenmesini de içine alan hibrit bir yaklaşımla sürdürülebilir bir model oluşturulması ve sonuçların deneysel çalışmalarla gösterilmesidir. Tez, temel olarak üç fazda kurgulanmıştır. Birinci faz; literatür taraması, problemin Türkçe açısından ele alınmasında kullanılacak analiz çalışmaları, Türkçe için bu amaçla kullanılacak ve halihazırda literatürde eksik olan veri setinin elde edilerek literatüre kazandırılması ve tüm ön hazırlık işlemlerini kapsayan giriş fazıdır. Bu fazda; ana akım haber medyasındaki haber metinleri, haber doğrulama platformu kaynaklı haber metinleri ve manuel yöntemler kullanılarak toplanan verilerin, tamamı etiketlenerek ve doğrulama işlemi yapılarak göreceli büyük bir derlem oluşturulmuştur. Bu faz, ikinci fazda geliştirilmesi hedeflenen Türkçe Sahte Haber Sözlüğü oluşturulması için gerekli tüm ön işlemleri kapsar. İkinci fazda, ilk fazda elde edilen veri seti istatistiksel analizlere tabi tutulmuş ve FanLexTR olarak adlandırdığımız dört kategoriye sahip Türkçe Sahte Haber Dil Modeli/Sözlüğünün geliştirilmesi hedeflenmiştir. Her kategori için terim sıklıkları ve oransal gözlenme sıklıkları hesaplamaları ile terimlere ait ton değerlerinin bir başka deyişle skor değerleri oluşturulmuştur. Terimlere polarite değeri verilmesi de ayrıca denenmiştir. Fakat ton değerlerinin daha kararlı sonuçları verdiği gözlemlenmiştir. Bu doğrultuda ortaya çıkan Türkçe Sahte Haber Sözlüğü kullanılarak sözlük temelli metinsel aldatma tespiti yapılmıştır. Kullanılan yöntem dikkate alındığında, çalışmadan oldukça başarılı sonuçlar elde edilmiş ve literatürdeki ilk sözlük temelli Sahte Haber Tespiti çalışması olması olarak yerini almıştır. Üçüncü ve son fazda, Türkçenin karakteristikleri de göz önüne alınarak, probleme farklı bakış açılarından yaklaşılmış, sahte haberlerin tespitine yönelik özellik/öznitelik seçimi ve çıkarma işlemleri gerçekleştirilmiştir. Bu fazda ikinci fazda kullanılan sözlük temelli yaklaşım, üçüncü fazdaki makine öğrenmesi ve derin öğrenme yaklaşımına öznitelikler şeklinde dahil edilmiş ve ikinci fazda elde edilen sonuçlar geliştirilmiştir. Geliştirilen modelin performans değerlendirmesi sunulmuştur. Ayrıca tez kapsamında problemin çözümünü pratiğe yansıtmak açısından yenilikçi bir çözüm önerisinde bulunulmuş ve dijital kütüphanecilik teknolojisini barındıran bir çerçeve ortaya konmuştur.