인터넷은 전통적인 미디어를 대체하고 주요 뉴스 미디어 플랫폼 중 하나가 되었습니다. 인터넷 소스의 뉴스는 접근성이 좋고 편리하기 때문에 기존 뉴스 소스에 비해 빠르고 간단하게 이동할 수 있습니다. 그러나 가짜 뉴 스가 대량으로 발생하고 정치적, 상업적 이유로 온라인 커뮤니티에 퍼지면서 확인되지 않은 소식통으로부터 입수한 모든 언론 보도가 진짜인 것은 아니다. 가짜 뉴스는 이론적으로나 의도적으로 독자들을 속이거나 잘못 알릴 수 있다. 왜냐하면 사람들은 오프라인 커뮤니티에 영향을 미칠 수 있는 어떤 정보에도 쉽게 얽히게 되기 때문이다. 일부 수동 웹사이트는 정보가 사실인지 확인하도록 설계되어 있지만 온라인, 특히 웹에서 빠르게 확 산되는 정보의 양은 확장되지 않습니다. 이 문제를 해결하기 위해 자동 팩트체크 어플리케이션은 확장성과 자 동화의 요건에 대응하도록 설계되었습니다. 그러나 현재 애플리케이션 방법에는 기계 학습 분류 모델 성능을 개선하기 위해 가짜 뉴스 특징을 식별하는 포괄적인 다차원 데이터 세트가 없다. 이 문제를 해결하기 위해 본 연구논문에서는 사용자가 기사의 제목을 입력하면 데이터를 분류하는 Formb 챗봇을 제안했다. 이 연구 작업 에서 데이터 집합의 분류는 반복 신경망(RNN)과 장기 단기 기억(LSTM) 모델을 사용하여 수행되었다. 가짜 및 실제 뉴스 데이터 세트는 사전 처리되어 모델을 교육하는 데 사용됩니다. 저장된 모델은 지정된 입력 텍스트 의 신뢰성을 확인하기 위해 불일치 서버에 배포됩니다. Disconsid API는 python 파일을 chatbot으로 실행할 수 있는 액세스를 제공합니다. 분석 측면에서, 제안된 모델은 96.77%의 정확도로 CNN와 같은 기존 뉴럴 네트 워크 모델을 능가한다.

Internet has replaced traditional media and become one of the major news media platforms. News from internet sources tend, since they are accessible and convenient, to travel quicker and simpler than conventional news sources. However, not all of the media reports obtained from unverified sources are authentic as fake news arises in large numbers and is prevalent in online communities for both political and commercial reasons. Fake news can deceive or misinform readers theoretically or intentionally because people will easily get tangled by any of this information which may impact on the offline community. Although some manual websites are designed to check if the piece of information is true, the volume of quick-spread information online, notably on the web, does not scale. In order to solve this issue automatic fact-checking applications were designed to tackle the requirement of scalability and automation. However, current application methods lack an inclusive multi-dimensional data set to identify fake news features to improve machine learning classification model performance. To overcome this problem, this research paper proposed the Hoax chatbot which classifies the data when user enters an article headline into it. In this research work, the classification of dataset has been done using recurrent neural network (RNN) and long short-term memory (LSTM) model. The fake and true news dataset are preprocessed and used to train the model. Saved model is deployed on the discord server in order to check the credibility of the given input text. Discord API gives an access to run python files into their chatbot. In terms of analysis, the proposed model outperforms already existed neural network model such as convolutional neural network (CNN) with an accuracy of 96.77%.

ABSTRACT
1. Introduction
2. Analysis of fake news classificationusing chatbots
3. Developing the Hoax Chatbot
4. Experimental analysis
5. Conclusions and future work
Acknowledgement
References
국문초록
결론 및 향후 연구

• Bhavik S Ray(Graduate Student, Computer ScienceDepartment, Lakehead University, Canada)
• Sabah Mohammed(Professor, Computer ScienceDepartment, Lakehead University, Canada) Corresponding author
• Won-Hyung LEE(GSAIM, Chung-Ang University, Seoul Korea) Corresponding author