Алгоритмічні методи виявлення фейкових новин та дезінформації

Скорочена інформація про документ
dc.contributor.advisorЯйлимова, Ганна Олексіївна
dc.contributor.authorМерзла, Ірина Олексіївна
dc.date.accessioned2026-06-08T13:04:31Z
dc.date.available2026-06-08T13:04:31Z
dc.date.issued2026
dc.description.abstractКвалiфiкацiйна робота мiстить: 54 стор., 8 рисунки, 7 таблиць, 58 джерел. Миттєве поширення інформації в цифровому середовищі спровокувало стрімке зростання обсягів дезінформації та фейкових новин. Оскільки маніпулятивний контент апелює до емоцій і поширюється швидше за перевірені факти, традиційний ручний фактчекінг не встигає ефективно йому протидіяти. Це зумовлює актуальність розробки автоматизованих підходів на основі машинного навчання, обробки природної мови та аналізу мережевих структур для виявлення фейків на ранніх етапах. У роботі досліджено методи автоматичної класифікації новин за текстовим контентом, характеристиками джерела та структурою поширення в соцмережах. Особливу увагу приділено застосуванню моделей типу BERT для семантичного аналізу та графових нейронних мереж для відстеження інформаційних потоків. На основі цього запропоновано концепцію гібридної моделі, яка інтегрує тексти й поведінкові патерни в єдину систему прийняття рішень, що суттєво підвищує точність ідентифікації маніпуляцій. Практична складова дослідження включає розробку програмного прототипу системи та експериментальну перевірку його ефективності на реальних наборах даних. Отримані результати підтвердили доцільність використання гібридних моделей штучного інтелекту для автоматичного моніторингу медіапростору. Створений підхід може слугувати базою для інтелектуальних систем захисту інформаційного поля від деструктивного впливу фейків.
dc.description.abstractotherThe instantaneous spread of information in the digital environment has led to a rapid increase in the volume of disinformation and fake news. Since manipulative content appeals to emotions and spreads faster than verified facts, traditional manual fact-checking cannot keep up with it effectively. This highlights the need to develop automated approaches based on machine learning, natural language processing and network structure analysis to detect fake news at an early stage. This paper investigates methods for the automatic classification of news based on textual content, source characteristics and dissemination patterns on social media. Particular attention is paid to the use of BERT-type models for semantic analysis and graph neural networks for tracking information flows. Based on this, a concept for a hybrid model is proposed, which integrates texts and behavioural patterns into a single decision-making system, significantly improving the accuracy of identifying manipulation. The practical component of the research includes the development of a software prototype of the system and experimental verification of its effectiveness on real-world datasets. The results obtained confirmed the feasibility of using hybrid artificial intelligence models for the automatic monitoring of the media landscape. The approach developed can serve as a basis for intelligent systems designed to protect the information space from the destructive impact of fake news.
dc.format.extent54 с.
dc.identifier.citationМерзла, І. О. Алгоритмічні методи виявлення фейкових новин та дезінформації : дипломна робота ... бакалавра : 113 Прикладна математика / Мерзла Ірина Олексіївна. – Київ, 2026. – 54 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/81539
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectфейкові новини
dc.subjectдезінформація
dc.subjectмашинне навчання
dc.subjectобробка природної мови
dc.subjectтрансформерні моделі
dc.subjectграфові нейронні мережі
dc.subjectкласифікація тексту
dc.subject.udc004.8:004.912
dc.titleАлгоритмічні методи виявлення фейкових новин та дезінформації
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Merzla_bakalavr.pdf
Розмір:
1.5 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи