Автоматизоване виявлення фейкових новин за допомогою перехресної перевірки джерел з використанням машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКислий, Роман Володимирович
dc.contributor.authorПоплавський, Владислав Олегович
dc.date.accessioned2023-10-24T12:08:47Z
dc.date.available2023-10-24T12:08:47Z
dc.date.issued2023
dc.description.abstractРозробка та поширення фейкової інформації та новин в інтернеті стали серйозною проблемою сучасного цифрового віку. У зв'язку з цим, дослідження автоматизованих систем для виявлення та боротьби з цією небезпекою стає все більш актуальним. Окреме занепокоєння викликає значний розвиток генеративних моделей, які за секунди здатні створювати велику кількість текстового та візуального цифрового контенту, що можуть створювати додаткові загрози та проблеми у виявленні такої інформації. Метою даної роботи було дослідження можливостей сучасних моделей машинного навчання для використання їх у проблемі класифікації фейкової інформації в соціальних мережах, виявлення найкращих підходів, наборів даних, та їх покращення. Оскільки зараз інформація є одним з найпотужніших інструментів, який може використовуватися для низки різноманітних цілей, то ця проблема є і буде залишатися доволі актуальною Результат роботи: дослідження наборів даних, аналіз, порівняння моделей машинного навчання, створення покращеної моделі для роботи в реальних умовах. Загальний обсяг роботи 147 с., 45 рис., 9 таблиць, 1 додаток, 56 джерел.uk
dc.description.abstractotherThe development and distribution of fake information and news on the Internet has become a serious problem of the modern digital age. In this regard, the study of automated systems for detecting and combating this danger is becoming more and more relevant. Of particular concern is the significant development of generative models that can generate large amounts of textual and visual digital content in seconds, which can create additional threats and problems in detecting such information. The purpose of this work was to investigate the possibilities of modern machine learning models for their use in the problem of classifying fake information in social networks, identifying the best approaches, data sets, and improving them. Since information is currently one of the most powerful tools that can be used for a number of different purposes, this problem is and will remain quite relevant. The result of the work: research of data sets, analysis, comparison of machine learning models, creation of an improved model for work in real conditions. The total volume of work is 147 pages, 45 figures, 9 tables, 1 appendix, 56 sources.uk
dc.format.extent147 с.uk
dc.identifier.citationПоплавський, В. О. Автоматизоване виявлення фейкових новин за допомогою перехресної перевірки джерел з використанням машинного навчання : дипломний проект … бакалавра : 122 Комп'ютерні науки / Поплавський Владислав Олегович. – Київ, 2023. – 147 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61749
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectдатасетuk
dc.subjectкласифікаціяuk
dc.subjectаналізuk
dc.subjectфейкові новиниuk
dc.subjectPyTorchuk
dc.subjectTensorFlowuk
dc.subjectRNNuk
dc.subjectTransformeruk
dc.subjectNLPuk
dc.subjectdatasetuk
dc.subjectclassificationuk
dc.subjectanalysisuk
dc.subjectfake newsuk
dc.titleАвтоматизоване виявлення фейкових новин за допомогою перехресної перевірки джерел з використанням машинного навчанняuk
dc.title.alternativeAutomated detection of fake news using cross-checking of sources using machine learninguk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (СП)
Бакалаврські роботи