Система виявлення фейкових новин з використанням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКоломоєць, Сергій Олексійович
dc.contributor.authorМельникова, Катерина Олександрівна
dc.date.accessioned2025-09-24T13:21:17Z
dc.date.available2025-09-24T13:21:17Z
dc.date.issued2025
dc.description.abstractСистема виявлення фейкових новин з використанням методів машинного навчання. Проєкт містить 68 с. тексту, 22 рисунки, 1 таблицю, посилання на 15 літературних джерел, додатки та 4 конструкторські документи. Об'єктом дослідження є інформаційна система для автоматичного виявлення фейкових новин на основі аналізу текстових даних. Метою роботи є підвищення точності автоматичної класифікації новин на достовірні та фейкові за допомогою сучасних методів машинного навчання. У дипломному проєкті розроблено та порівняно ефективність класичних моделей (Naive Bayes, Logistic Regression, SVM, Random Forest) і нейронних мереж (LSTM, GRU, Bi-LSTM) для задачі виявлення фейкових новин. Реалізовано повний цикл обробки даних: очищення тексту, векторизація (TF-IDF), токенізація, підготовка до навчання та оцінювання результатів за допомогою метрик точності, повноти та F1-міри. Також було розроблено зручний вебінтерфейс для взаємодії користувача з системою. Результати дипломного проєкту можуть бути використані в медіасервісах, агрегаторах новин або фактчекінгових платформах для автоматичного попереднього фільтрування потенційно фейкової інформації.
dc.description.abstractotherFake news detection system using machine learning methods. The project consists of 68 pages of text, 22 figures, 1 table, references to 15 literary sources, appendices, and 4 design documents. The object of the study is an information system for automatic fake news detection based on text data analysis. The aim of the project is to improve the accuracy of automatic classification of news as true or fake using modern machine learning methods. The thesis develops and compares the effectiveness of classical models (Naive Bayes, Logistic Regression, SVM, Random Forest) and neural networks (LSTM, GRU, Bi-LSTM) for the task of fake news detection. A complete data processing pipeline is implemented: text cleaning, vectorization (TF-IDF), tokenization, training preparation, and result evaluation using precision, recall, accuracy and F1-score metrics. A userfriendly web interface was also developed to enable user interaction with the system. The results of this thesis can be applied in media services, news aggregators, or fact-checking platforms to automatically pre-filter potentially fake information.
dc.format.extent74 с.
dc.identifier.citationМельникова, К. О. Система виявлення фейкових новин з використанням методів машинного навчання : дипломний проєкт ... бакалавра : 126 Інформаційні системи та технології / Мельникова Катерина Олександрівна. – Київ, 2025. – 74 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76329
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectфейкові новини
dc.subjectмашинне навчання
dc.subjectкласифікація тексту
dc.subjectвекторизація
dc.subjectобробка природної мови
dc.subjectнейронні мережі
dc.subjectБайєсів класифікатор
dc.subjectлогістична регресія
dc.subjectвипадкові ліси
dc.subjectfake news
dc.subjectmachine learning
dc.subjecttext classification
dc.subjectvectorization
dc.subjectnatural language processing
dc.subjectneural networks
dc.subjectTF-IDF
dc.subjectLSTM
dc.subjectSVM
dc.subjectNaive Bayes classifier
dc.subjectlogistic regression
dc.subjectBi-LSTM
dc.subjectGRU
dc.subjectrandom forest
dc.subject.udc004.04
dc.titleСистема виявлення фейкових новин з використанням методів машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Melnykova_bakalavr.pdf
Розмір:
3.5 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 (ІСТ)
Бакалаврські роботи