Прогнозування поширення фейкових новин за допомогою глибокого причинно-наслідкового аналізу

Скорочена інформація про документ
dc.contributor.advisorТитаренко, Андрій Миколайович
dc.contributor.authorСенько, Мирослава Віталіївна
dc.date.accessioned2025-10-07T08:16:13Z
dc.date.available2025-10-07T08:16:13Z
dc.date.issued2025
dc.description.abstractДипломна робота: 83 с., 7 рис., 13 табл., 1 додаток, 14 джерел. У дипломній роботі розглянуто проблему поширення фейкових новин у соціальних мережах та проаналізовано ефективність методів причиннонаслідкового виводу для виявлення схильності користувачів до поширення недостовірної інформації. Основною метою роботи є виявлення причинних залежностей між характеристиками користувачів соціальних мереж та їхньою схильністю до поширення фейкових новин шляхом моделювання поведінки поширення фейків. Об’єктом дослідження є поведінка користувачів у цифровому середовищі, предметом — застосування модифікованих рекомендаційних алгоритмів з корекцією селекційного викривлення для виявлення закономірностей поширення фейкових новин. У роботі розглянуто сучасні підходи до виявлення та моделювання фейкового контенту, зокрема методи прогнозування поведінки користувачів. Особливу увагу приділено байєсівському персоналізованому ранжуванню з матричною факторизацією та його модифікаціям, які враховують ймовірність експозиції. Реалізовано три підходи до оцінки експозиції: на основі популярності, у поєднанні з характеристиками користувачів, а також із використанням нейронної моделі. Для подальшого аналізу впливу індивідуальних характеристик користувачів застосовано логістичну регресію, результати якої підтвердили наявність причинного зв’язку між окремими профільними та поведінковими ознаками та схильністю до поширення фейкових новин.
dc.description.abstractotherThesis: 83 pages, 7 figures, 13 tables, 1 appendix, 14 references. This thesis investigates the problem of fake news dissemination in social media and analyzes the effectiveness of causal inference methods in identifying user susceptibility to spreading misinformation. The main objective of the study is to uncover causal relationships between user characteristics in the digital environment and their behavior regarding interaction with fake content, by modeling the processes underlying its spread. The object of the study is user behavior in social networks, while the subject is the application of modified recommendation algorithms with correction for selection bias to analyze patterns of disinformation activity. The thesis reviews modern approaches to the detection and modeling of fake content, particularly focusing on user behavior prediction methods. Special attention is given to Bayesian Personalized Ranking with matrix factorization and its modifications that incorporate exposure probability through inverse propensity weighting. Three approaches to exposure estimation are implemented: based on content popularity, combined with user characteristics, and using a neural model. For further analysis of the influence of individual user attributes, logistic regression is applied. The results confirm the existence of causal links between specific profile and behavioral features and the likelihood of spreading fake news.
dc.format.extent83 с.
dc.identifier.citationСенько, М. В. Прогнозування поширення фейкових новин за допомогою глибокого причинно-наслідкового аналізу : дипломна робота … бакалавра : 124 Системний аналіз / Сенько Мирослава Віталіївна. – Київ, 2025. – 83 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76616
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectфейкові новини
dc.subjectпричинно-наслідковий аналіз
dc.subjectнейронні мережі
dc.subjectймовірнісна оцінка
dc.subjectінверсне зважування
dc.subjectбайєсівське персоналізоване ранжування
dc.subjectfake news
dc.subjectcausal analysis
dc.subjectneural networks
dc.subjectpropensity scoring
dc.subjectpersonalized ranking
dc.subjectinverse weighting
dc.subjectbayesian
dc.titleПрогнозування поширення фейкових новин за допомогою глибокого причинно-наслідкового аналізу
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Senko_bakalavr.pdf
Розмір:
3.44 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 (ММСА)
Бакалаврські роботи