Розробка системи класифікації фейкових новин за допомогою методів Data Science

Абрамов К. В. Розробка системи класифікації фейкових новин за допомогою методів Data Science : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. Ю. Л. Хлевна. Київ, 2025. 122 с.

Мета дипломної роботи магістра - проведення дослідження існуючих методів та технологій Data Science для підвищення ефективності виявлення фейкових новин шляхом розробки та застосування системи автоматичної класифікації та створення гібридного підходу, що поєднує традиційні методи машинного навчання з сучасними нейромережевими архітектурами.
Об’єкт дослідження – процес автоматичної класифікації текстових даних та виявлення дезінформації в новинному контенті з використанням методів машинного навчання.
Предмет дослідження – методи та технології класифікації текстових даних для виявлення фейкових новин.
Наукова новизна роботи – полягає в тому, що запропоновано гібридний підхід до класифікації фейкових новин, який поєднує швидкий попередній аналіз на основі статистичних методів з глибоким аналізом за допомогою оптимізованої моделі BERT. Розроблено інтерактивну інформаційну систему, що надає можливість швидкої обробки великого масиву новин в режимі онлайн з перевіркою категоризацію цих новин на правдиві та фейкові.

У роботі досліджуються існуючі методи та технології класифікації текстових даних, включаючи статистичні методи та нейромережеві архітектури, а також техніки оптимізації їх застосування для виявлення фейкових новин. Розробляється систему, яка заснована на гібридному підході до класифікації фейкових новин, який поєднує швидкий попередній аналіз на основі статистичних методів з глибоким аналізом за допомогою оптимізованої моделі BERT. Проведено оптимізацію обчислювальних ресурсів за допомогою техніки LoRA.
Дипломна робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. Загальний обсяг роботи становить _ сторінок, містить _ рисунків, _ таблиць та перелік посилань з _ джерел.
Ключові слова: Штучний інтелект(AI), методи машинного навчання, глибинне навчання, нейронні мережі, обробка природної мови(NLP), гібридний підхід, класифікація текстів, BERT, TF-IDF, Наївний Баєс, LoRA, фейкові новини, дезінформація.