Бармак, О.В.О.В.БармакБоровик, О.В.О.В.БоровикБоровик, Д.О.Д.О.БоровикСкрипник, Т.К.Т.К.Скрипник2026-06-162026-06-162023Бармак, О., Боровик, О., Боровик, Д., Скрипник, Т. (2023). POSSIBLE OPTIONS FOR IMPROVING EXISTING APPROACHES TO FAKE NEWS DETECTION BASED ON USING THE POTENTIAL OF MACHINE AND DEEP LEARNING ALGORITHMS, SENTIMENT OF NEWS CONTENT AND EMOTIONS IN USER COMMENTS. Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка(80), 98–117. https://doi.org/10.17721/2519-481X/2023/80-1110.17721/2519-481X/2023/80-11https://ir.library.knu.ua/handle/15071834/23429Currently, the Internet ranks first among sources of information. In the recent period, the role of online social networks (OSN) has significantly increased, which has both positive and negative consequences. The negative role of OSN is related to the spread of fake news that affects people's daily lives, manipulates their thoughts and feelings, changes their beliefs and can lead to wrong decisions. The problem of spreading fake news in OSN is currently global, and the formation of countermeasures is an urgent task today.Today, there are various proven approaches to detecting fake news. In particular, one of the approaches is based on the use of different machine (ML) and deep (DL) learning algorithms. The other is based on the results of sentiment analysis of news content and analysis of emotions in user comments. The research conducted by the authors of other approaches to detecting fake news, which differ from the ones given, made it possible to conclude that the mentioned approaches are effective and promising in terms of using their potential for the development of new models with high performance indicators on various data sets.In the article, the author's ideas regarding the improvement of existing approaches to detecting fake news based on the use of the potential of these approaches are formed and formalized. The first idea is based on the implementation of the mechanism of combining machine (ML) and deep (DL) learning methods, as well as the results of the analysis of the sentiment of news content and emotions in user comments, which takes into account the possibility of ensuring a sufficient level of effectiveness in detecting fake news, a certain level of the values of the selected metrics, as well as a certain level of functional characteristics of the author's method. The second idea is based on the implementation of a mechanism combining the functionality of two methods from among the specified two groups, which would provide optimal parameters for detecting fake news according to defined criteria and indicators.The substantiation of the ideas involved the preliminary implementation of: setting the researched problem; functional analysis of machine (ML) and deep (DL) learning algorithms, as well as fake news detection algorithms based on the use of the results of sentiment analysis of news content and emotions in user comments; description of metrics for evaluating the effectiveness of methods for detecting fake news. According to the results of the substantiation of the perspective of the ideas, the tasks of detecting fake news in the author's production were formalized.На даний час серед джерел інформації Інтернет займає перше місце. В останній період суттєво зросла роль онлайн соціальних мереж (ОСМ), що має як позитивні, так і негативні наслідки. Негативна роль ОСМ пов’язується із поширенням фейкових новин, які впливають на повсякденне життя людей, маніпулюють їхніми думками та почуттями, змінюють їхні переконання і можуть призвести до прийняття неправильних рішень. Проблема розповсюдження фейкових новин в ОСМ на даний час є глобальною, а формування механізмів протидії – актуальним завданням сьогодення.На сьогодні існують різні апробовані підходи до виявлення фейкових новин. Зокрема, один з підходів базується на використанні різних алгоритмів машинного (ML) та глибокого (DL) навчання. Інший – на використанні результатів аналізу сентименту новинного контенту та аналізу емоцій у коментарях користувачів. Проведене авторами дослідження інших підходів виявлення фейкових новин, які відрізняються від наведених, дозволило зробити висновок про те, що зазначені підходи є ефективними і перспективними в частині використання їх потенціалу для розробки нових моделей з високими показниками ефективності на різних наборах даних.У статті сформовано та формалізовано авторські ідеї щодо удосконалення існуючих підходів виявлення фейкових новин на основі використання потенціалу зазначених підходів. Перша ідея базується на реалізації механізму комбінування методів машинного (ML) та глибокого (DL) навчання, а також результатів аналізу сентименту новинного контенту й емоцій у коментарях користувачів, при якому враховується можливість забезпечення достатнього рівня ефективності виявлення фейкових новин, певного рівня значень показників обраної метрики, а також певного рівня функціональних характеристик авторського методу. Друга ідея базується на реалізації механізму комбінування функціоналу двох методів з числа зазначених двох груп, який би забезпечував оптимальні параметри виявлення фейкових новин за визначеними критеріями та показниками.Обгрунтування ідей передбачало попереднє здійснення: постановки досліджуваної задачі; функціонального аналізу алгоритмів машинного (ML) та глибокого (DL) навчання, а також алгоритмів виявлення фейкових новин, що базуються на використанні результатів аналізу сентименту новинного контенту й емоцій у коментарях користувачів; опису метрики для оцінки ефективності методів виявлення фейкових новин. За результатами обгрунтування перспективності ідей проведено формалізацію задач виявлення фейкових новин в авторській постановці.ukонлайн соціальні мережіфейкові новиниметодмодельалгоритмформалізаціяonline social networksfake newsmethodmodelalgorithmformalizationСтаття