Шаповалова, Світлана ІгорівнаГоловакін, Микита Андрійович2024-02-192024-02-192023Головакін, М. А. Визначення дезінформації в текстах засобів масової інформації та соціальних мереж : магістерська дис. : 122 Комп’ютерні науки / Головакін Микита Андрійович. – Київ, 2023. – 108 с.https://ela.kpi.ua/handle/123456789/64699Проведене дослідження показує ефективність використання моделей нейронних мереж для виявлення дезінформації в текстах засобів масової інформації та соціальних мереж. Також робота показує використання підходу OODA, що дозволяє приймати рішення у відповідних сценаріях.Актуальність роботи: Дослідження, спрямовані на виявлення дезінформації, що міститься в текстах, які поширюються ЗМІ та соціальними мережами у воєнний час, набувають все більшої актуальності та стратегічної важливості. У цьому контексті дослідження та розробка методів виявлення та протидії дезінформації у воєнний час має стратегічне значення. Тому наукові дослідження з виявлення дизінформації у воєнний час є актуальними, а науковці, експерти з інформаційної безпеки та політики повинні зосередити свої зусилля на розробці та вдосконаленні методів виявлення та запобігання дезінформації в таких ситуаціях. Мета: Визначити оптимальні за точністю методи класифікації дезінформації в текстах, опублікуваних у засобах масової інформації та соціальних мережах. Завдання роботи: 1. Провести дослідження з визначення методів та наявного програмного забезпечення виявлення дизінформації у повідомленнях. 2. Представити методи векторизації та класифікації тексту у моделях штучного інтелекту. 3. Сформувати датасет та реалізувати методи виявлення дизінформації в текстових повідомленнях. 4. Провести обчислювальні експерименти. 5. На основі проведених досліджень та розробок представити стартап-стратегію. Об'єкт дослідження: методи та моделі штучного інтелекту для класифікації тексту природньої мови. Предмет дослідження: методи та моделі штучного інтелекту для виявлення дизінформації в текстах природньої мови. Фінальним результатом досліджень буде створена система, що володіє високою функціональністю. Вхідним потоком для системи може бути або речення, або текст з інформацією. Користувач самостійно визначає, чи є це дизінформацією чи ні, за допомогою зручного веб-інтерфейсу. Такий підхід надає користувачеві чітку інтерпретацію результатів та дозволяє вчасно виявляти небезпечні джерела інформації. Апробація результатів дисертації: Основні положення даної роботи обговорювались на Technical sciences Innovative scientific research: theory and practice: Proceedings of the X International Scientific and Practical Conference у 21-24 листопада, 2023, м. Стокгольм, Швеція. Структура та обсяг роботи: Магістерська дисертація складається з вступу, пяти розділів та висновків.108 с.ukMaster Thesis