Hintergrund 

Durch die Ereignisse der letzten Jahre (z.B. das Brexit-Referendum 2016) ist die Öffentlichkeit zunehmend auf den Einfluss von "Fake News" aufmerksam geworden. Das Thema ist komplex und die Auswertung von gefälschten Nachrichten ist eine semantisch anspruchsvolle Aufgabe. Angesichts der ständig wachsenden Datenmenge stellt sich die Frage, ob gefälschte Nachrichten durch Datenanalyse automatisch erkannt werden können. 

Inhalt

Aktuelle Methoden konzentrieren sich meist auf eine Datenmodalität (z.B. Text), weiters steht eine begrenzte Anzahl von Datensätzen zur Verfügung und nicht alle annotierten Datensätze haben die erforderliche Qualität. Für die automatische Identifizierung von fragwürdigen/kontroversen Inhalten wird ein Fake News-Detektor entwickelt, implementiert und bewertet, der auf neuronalen Netzwerkmodellen aus dem Bereich der Künstlichen Intelligenz sowie auf Methoden der Natural Language Processing (NLP) basiert. Ziel ist ein lernfähiges System, das sich an neue Themen anpasst und Metadaten aus Social Media verwendet, um die Fake News Detection zu verbessern.