Застосування методів Data Mining для аналізу повідомлень у соціальних мережах з метою виявлення фейків та дезінформації
Loading...
Date
2026
Authors
Живіцька, Єлизавета
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Магістерська робота присвячена дослідженню ефективності методів машинного навчання для виявлення дезінформації у соціальних мережах – однієї з найактуальніших проблем сучасного цифрового середовища, де неправдиві новини поширюються швидше та ширше за достовірні, ставлячи під загрозу інформаційну безпеку суспільства. Увага зосереджена на порівнянні чотирьох парадигм машинного навчання – статистичної, нейромережевої, графової та підходу на основі великих мовних моделей – у внутрішньодоменному та міждоменному сценаріях класифікації. У роботі проаналізовано обмеження існуючих підходів до автоматизованого виявлення дезінформаційного контенту, а також розроблено програмний прототип, що інтегрує усі чотири парадигми у єдину дослідницьку платформу з підтримкою ансамблевих стратегій та зовнішніх фактчекер-сервісів. Основою прототипу є гнучка архітектура з розподілом між фронтендом, бекендом та ML-сервером, що дозволяє проводити порівняльне оцінювання моделей у межах єдиного експериментального середовища. Експериментальне дослідження виявило радикальну зміну ієрархії ефективності моделей при перенесенні між тематичними доменами: парадигми з найвищою внутрішньодоменною якістю демонструють найбільшу деградацію, тоді як соціальні ознаки та LLM-підхід забезпечують стійкість до зміни домену. Практичне значення роботи полягає у можливості застосування отриманих результатів та сформульованих рекомендацій у системах медіа-моніторингу, інформаційно-аналітичних платформах та інструментах підтримки журналістської роботи, де якість виявлення дезінформації безпосередньо впливає на достовірність інформаційного простору.
Description
Keywords
виявлення дезінформації, фейкові новини, машинне навчання, графові нейронні мережі, великі мовні моделі, FakeNewsNet, порівняльний аналіз моделей, магістерська робота