Ανίχνευση ψευδών ειδήσεων στα μέσα κοινωνικής δικτύωσης

Abstract

Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη ενός καινοτόμου και επεξηγήσιμου συστήματος για την ανίχνευση ψευδών ειδήσεων, αξιοποιώντας τις δυνατότητες των Μεγάλων Γλωσσικών Μοντέλων (LLMs) σε ένα πολυπρακοτρικό αρχιτεκτονικό πλαίσιο. Το σύστημα αποτελείται από εξειδικευμένους πράκτορες, όπως ο Fact Checker, Confidence Scorer, Source Quality Evaluator, and a Supervisor Agent, που συνεργάζονται για την παραγωγή διαφανούς και τεκμηριωμένης τελικής απόφασης. Σε αντίθεση με τα παραδοσιακά μοντέλα μηχανικής μάθησης, το προτεινόμενο σύστημα παρέχει ερμηνεύσιμες εξόδους, αιτιολόγηση αποφάσεων και παραπομπές σε εξωτερικές πηγές. Η απόδοση του αξιολογήθηκε χειροκίνητα σε 80 δηλώσεις ( 40 από το LIAR και 40 από το FakeNewsNet), τόσο σε μορφή τίτλου όσο και πλήρους κειμένου. Το σύστημα πέτυχε συνολική ακρίβεια 75%, με 76.6% ακρίβεια σε τίτλους ειδήσεων. Πέρα από την ακρίβεια, η μεγαλύτερη συνεισφορά έγκειται στην ιχνηλασιμότητα και στην εξήγηση των αποφάσεων σε επίπεδο πηγής, μετρικής και νοηματικής συνάφειας. Η εργασία καταλήγει με προτάσεις για μελλοντική έρευνα, όπως η επέκταση σε περισσότερα σύνολο δεδομένων, η υιοθέτηση μαθηματικών κανόνων στη λογική των πρακτόρων, και η αξιολόγηση άλλων τύπων LLMs.