AmirhosseinHonardoust/Fake-News-Detector

🔍 Fake News Style-Risk Detector — Phân loại theo phong cách chứ không kiểm chứng sự thật

Một dự án giáo dục dùng TF-IDF + Logistic Regression để đưa ra tín hiệu "giống thực hay giống giả" kèm đánh giá thực thẹn, kiểm toán rò rỉ dữ liệu và uncertainty band.

Fake-News-Detector không phải là công cụ kiểm chứng tin tức thực sự. Dự án xây dựng một pipeline phân loại văn bản thông minh: nhận đầu vào là tiêu đề hoặc đoạn tin, dùng mô hình ước lượng xác suất văn bản giống phong cách tin thật hay tin giả, đồng thời trả về nhãn REAL, FAKE hoặc UNCERTAIN. Toàn bộ quy trình được thiết kế để minh họa cách xây dựng một hệ thống hỗ trợ ra quyết định một cách có trách nhiệm — đặc biệt là cách nó kiểm tra và khai thác các lỗ hổng tiềm ẩn trong dữ liệu.

✨ Điểm nổi bật

• Vector hóa TF-IDF với word n-grams: trích xuất đặc trưng văn bản phong phú cho mô hình.
• Mô hình Logistic Regression: làm cơ sở phân loại, nhẹ và có thể giải thích.
• TextCleaner được nhúng trong Pipeline: đảm bảo quá trình làm sạch nhất quán giữa huấn luyện và suy diễn.
• Nhãn REAL / FAKE / UNCERTAIN: hỗ trợ băng thông tin bất định để tránh đưa ra quyết định tại các trường hợp mơ hồ.
• Báo cáo rò rỉ dữ liệu: phân tích hai cách độc lập, bao gồm heuristic "chứa từ khóa Reuters".
• Chẩn đoán nhầm lẫn nguồn gốc (source-confounding): tính điểm phản ánh mức độ nguồn dữ liệu ảnh hưởng tới kết quả.
• Huấn luyện kiểm soát rò rỉ: loại bỏ các đặc trưng nguồn gốc để huấn luyện mô hình sạch hơn.
• Đánh giá ngoại tuyến (out-of-source evaluation): chạy khi dữ liệu cho phép, báo cáo không khả thi khi không đủ.

💡 Vì sao đáng chú ý

Điểm mạnh của dự án là cách nó không chỉ tập trung vào độ chính xác mà còn chú trọng đến tính minh bạch và trách nhiệm. Thay vì trình bày một mô hình "siêu mạnh", dự án minh bạch cách nó kiểm tra rò rỉ dữ liệu, đưa ra nhãn không chắc chắn khi cần thiết, và cung cấp công cụ để người dùng hiểu hạn chế của mô hình. Đây là một ví dụ hiếm có về cách một dự án ML học thuật được xây dựng theo chuẩn thực hành có trách nhiệm.

---

#FakeNews #MachineLearning #NLP #TFIDF #LogisticRegression #Streamlit #ResponsibleAI #TiniX