Detekce falešných zpráv s využitím strojového učení

Simple item page
but.committeedoc. Ing. František Zbořil, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. Ing. Radek Burget, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.cs
but.jazykslovenština (Slovak)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHříbek, Davidsk
dc.contributor.authorKoreň, Matejsk
dc.contributor.refereeZbořil, Františeksk
dc.date.created2023cs
dc.description.abstractCieľom tejto práce je využitie strojového učenia na detekciu falošných správ. Na túto prácu boli vybrané štyri modely – Bayesovský, rozhodovací strom, model podporných vektorov a neurónová sieť. V rámci piatich experimentov na rôznych sadách dát boli tieto modely natrénované, otestované, vyhodnotené a porovnané s modernými prístupmi riešenia. Implementácia riešenia má formu konzolovej aplikácie, ktorá umožňuje používateľom replikovať tento postup na vlastných dátach. Nad rámec zadania bol vytvorený (a otestovaný) aj vlastný slovenský dataset Dezinfo SK.sk
dc.description.abstractThis thesis focuses on the use of machine learning in fake news detection. For this purpose, four models have been selected – Bayesian, Decision Tree, Support Vector Machine and a Neural Network. In five experiments on various datasets, these models were trained, tested, evaluated and compared with state-of-the-art methods. Final implementation is in the form of a Python package, which allows it’s users to replicate this procedure with their own data. Beyond the assignment, Slovak dataset Dezinfo SK was created.en
dc.description.markBcs
dc.identifier.citationKOREŇ, M. Detekce falešných zpráv s využitím strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.cs
dc.identifier.other148472cs
dc.identifier.urihttp://hdl.handle.net/11012/212762
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectfalošné správysk
dc.subjectstrojové učeniesk
dc.subjectklasifikácia textusk
dc.subjectspracovanie prirodzeného jazykusk
dc.subjectPythonsk
dc.subjectdatasetysk
dc.subjectkonitngenčná maticask
dc.subjectNaive Bayessk
dc.subjectPodporné vektorysk
dc.subjectRozhodovací stromsk
dc.subjectneurónové sietesk
dc.subjectFake newsen
dc.subjectmachine learingen
dc.subjecttext classificaionen
dc.subjectnatural language processingen
dc.subjectPythonen
dc.subjectdatasetsen
dc.subjectconfusion matrixen
dc.subjectNaive Bayesen
dc.subjectSupport vectorsen
dc.subjectDecision treeen
dc.subjectneural networksen
dc.titleDetekce falešných zpráv s využitím strojového učenísk
dc.title.alternativeDetection of Fake News Using Machine Learningen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2023-06-13cs
dcterms.modified2023-06-13-15:47:00cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid148472en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:00:28en
sync.item.modts2025.01.15 16:13:01en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.7 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
18.62 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_148472.html
Size:
8.97 KB
Format:
Hypertext Markup Language
Description:
file review_148472.html
Download
Collections
2023