Моделювання та оптимізація системи аналізу соціальних медіа з використанням алгоритмів машинного навчання
| dc.contributor.advisor | Пиголенко, Ігор Вікторович | |
| dc.contributor.author | Гасанов, Вадим Анверович | |
| dc.date.accessioned | 2025-08-25T13:16:50Z | |
| dc.date.available | 2025-08-25T13:16:50Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | У дисертації здійснено моделювання та оптимізацію системи аналізу соціальних медіа з використанням сучасних алгоритмів машинного навчання. Основну увагу приділено кластеризації тем у соціальних мережах (на прикладі Facebook), виявленню фейкових новин, визначенню впливових користувачів та візуалізації мережевих зв’язків. У роботі застосовано методи обробки природної мови (TF-IDF, BERT), алгоритми класифікації (Logistic Regression, Random Forest, XGBoost, BERT) та кластеризації (K-means, DBSCAN, агломеративна). Розроблено архітектуру системи з модулями збору, обробки, аналізу та візуалізації даних. Проведено оцінку точності моделі за метриками Precision, Recall, F1-score та AUC. Отримані результати засвідчили ефективність запропонованого підходу для практичного використання у сфері інформаційного моніторингу та боротьби з дезінформацією. | |
| dc.description.abstractother | This dissertation presents the modeling and optimization of a social media analysis system using modern machine learning algorithms. The focus is placed on topic clustering within social networks (using Facebook as a case study), fake news detection, identification of influential users, and network structure visualization. The research applies natural language processing methods (TF-IDF, BERT), classification algorithms (Logistic Regression, Random Forest, XGBoost, BERT), and clustering techniques (K-means, DBSCAN, Agglomerative Clustering). A system architecture was developed, including modules for data collection, preprocessing, analysis, and visualization. Model performance was evaluated using metrics such as Precision, Recall, F1-score, and AUC. The results demonstrate the effectiveness of the proposed approach for practical applications in information monitoring and countering disinformation. | |
| dc.format.extent | 94 с. | |
| dc.identifier.citation | Гасанов, В. А. Моделювання та оптимізація системи аналізу соціальних медіа з використанням алгоритмів машинного навчання : магістерська дис. : 054 Соціологія / Гасанов Вадим Анверович. – Київ, 2025. – 94 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/75653 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | соціальні медіа | |
| dc.subject | соціальні мережі | |
| dc.subject | аналіз даних | |
| dc.subject | комунікація | |
| dc.subject | машинне навчання | |
| dc.subject | дослідження | |
| dc.subject | кластеризація | |
| dc.subject | фейкові новини | |
| dc.subject | ||
| dc.subject | BERT | |
| dc.subject | візуалізація | |
| dc.subject | DBSCAN | |
| dc.subject | NLP | |
| dc.subject | social media | |
| dc.subject | social networks | |
| dc.subject | data analysis | |
| dc.subject | communication | |
| dc.subject | machine learning | |
| dc.subject | research | |
| dc.subject | clustering | |
| dc.subject | fake news | |
| dc.subject | visualization | |
| dc.subject.udc | 316.774 | |
| dc.title | Моделювання та оптимізація системи аналізу соціальних медіа з використанням алгоритмів машинного навчання | |
| dc.type | Master Thesis |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Gasanov_magistr.pdf
- Розмір:
- 1.31 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: