PERANCANGAN SISTEM PENDETEKSI BERITA HOAX MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE BERBASIS PHP
Notice bibliographique
Résumé
In the 4.0 era where the Internet is an important part of life today, information can be easily accessed anytime, anywhere. But not all information distributed through the internet is in the form of facts. Data presented by the Ministry of Communication and Information based on a survey conducted in 2018 said that as many as 800,000 sites in Indonesia indicated that non-fact or hoax news spreaders were indicated. As a result of hoax news generated is very dangerous because it attacks the minds of the human subconscious, so it is needed a system that can detect hoax news. In this study used a database containing hoax news documents. The algorithm applied is the TF-IDF algorithm to measure the weight of a word in a hoax document and combined with the Levenshtein Distance (LD) algorithm to measure the distance between words in a document. The application of the Levenshtein Distance Method in the Hoax Detection System has several stages that begin with the pre-processing of the word (prepocessing text) followed by the TF-IDF calculation phase and then the minimum distance calculation between words using the Levenshtein Distance algorithm. The result of a limit of 0.1 on 40 documents that have been classified as test data has high Precision, Recall and Accuracy values, namely Precision 1; Recall 0.71; and Accuracy 80%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».