Improving Fake News Detection with Support Vector MachinesUsing Optimal Feature Selection

Abstract

This research focuses on improving fake news detection using Support Vector Machine (SVM) through appropriate feature selection. When testing and comparing the performance of different algorithms using accuracy, precision, recall, and F1 score, the results show an enhancement in the system's ability to detect fake news. The Kaggle dataset, with its high efficiency in detecting fake news, and the feature selection method used for improving algorithm performance, contributed to a more accurate fake news detection system.

Conclusion The research demonstrates the effectiveness of improving fake news detection algorithms using Support Vector Machine through appropriate feature selection. Testing and comparing different algorithms reveal high accuracy and precision. Naive Bayes achieved an accuracy of 91.29% with a precision of 94.89% in detecting fake news. Decision Tree provided an accuracy of 97.35% with a precision of 97.06%. Random Forest had an accuracy of 98.05% and a precision of 97.74%. Logistic Regression yielded an accuracy of 94.49% with a precision of 95.36%. Support Vector Machine achieved the highest accuracy of 96.67% and a precision of 99.61% in detecting fake news. The results indicate that the Support Vector Machine, when optimized with appropriate feature selection, provides the highest accuracy of 96.67% in fake news detection.

การวิจัยนี้เน้นการปรับปรุงการตรวจจับข่าวปลอมโดยใช้ซัพพอร์ตเวกเตอร์แมชชีน ผ่านการคัดเลือกคุณลักษณะที่เหมาะสม เมื่อทดสอบและเปรียบเทียบประสิทธิภาพของอัลกอริทึมต่างด้วย ค่าความถูกต้อง ความแม่นยำ ความระลึก และค่าถ่วงดุล ผลลัพธ์แสดงให้เห็นถึงความเพิ่มประสิทธิภาพของระบบในการตรวจจับข่าวปลอม โดยมีฐานข้อมูล Kaggle ที่มีประสิทธิภาพสูงสุดในการตรวจจับข่าวปลอมและการคัดเลือกคุณลักษณะที่เหมาะสมโดยวิธีการปรับปรุงอัลกอริทึมเพื่อเพิ่มประสิทธิภาพความถูกต้องของระบบตรวจจับข่าวปลอมให้มีประสิทธิภาพมากขึ้น

สรุปผลการวิจัย ผลการวิจัยแสดงให้เห็นถึงประสิทธิภาพของการปรับปรุงอัลกอริทึมตรวจจับข่าวปลอมด้วยซัพพอร์ตเวกเตอร์แมชชีนผ่านการคัดเลือกคุณลักษณะที่เหมาะสม การทดสอบและเปรียบเทียบระหว่างอัลกอริทึมจะแสดงให้เห็นถึงความถูกต้องและความแม่นยำที่สูง โดยนาอีฟเบย์ให้ค่าความถูกต้องเท่ากับ 91.29% มีค่าความแม่นยำในการตรวจจับข่าวปลอมได้ถูกต้องเท่ากับ 94.89% วิธีต้นไม้ตัดสินใจให้ค่าความถูกต้องเท่ากับ 97.35% มีค่าความแม่นยำในการตรวจจับข่าวปลอมได้ถูกต้องเท่ากับ 97.06% วิธีต้นไม้แห่งการทำนายให้ค่าความถูกต้องเท่ากับ 98.05% มีค่าความแม่นยำในการตรวจจับข่าวปลอมได้ถูกต้องเท่ากับ 97.74% วิธีการถดถอยโลจิสติกให้ค่าความถูกต้องเท่ากับ 94.49% มีค่าความแม่นยำในการตรวจจับข่าวปลอมได้ถูกต้องเท่ากับ 95.36% และวิธีซัพพอร์ตเวกเตอร์แมชชีนให้ค่าความถูกต้องเท่ากับ 96.67% มีค่าความแม่นยำในการตรวจจับข่าวปลอมได้ถูกต้องเท่ากับ 99.61% จากผลการทดสอบพบว่า วิธีวิธีซัพพอร์ตเวกเตอร์แมชชีนให้ค่าความถูกต้องในการตรวจจับข่าวปลอมเมื่อปรับปรุงคุณลักษณะแล้วมากที่สุดเท่ากับ 96.67%