Аналіз та розробка програмно-модельного комплексу для виявлення фейкових новин в соціальних мережах на основі методів глибокого навчання

Abstract

У роботі розглянуто процес аналізу, проєктування та реалізації програмно-модельного комплексу для автоматизованого виявлення фейкових новин у соціальних мережах. Основна мета системи полягає у створенні інструменту, що здатен визначати ймовірність неправдивості текстового матеріалу на основі сучасних моделей глибокого навчання. Запропоноване рішення охоплює повний цикл обробки даних: від завантаження та попередньої очистки тексту до його класифікації за допомогою нейронних мереж та подальшого візуального представлення результатів. Для реалізації серверної та модельної частини використано Python [1] і бібліотеки TensorFlow/Keras [2] та scikit-learn [3], що забезпечили побудову та тренування ефективних моделей класифікації. Для роботи з текстовими даними застосовано методи токенізації, векторизації та семантичного аналізу. Графічний інтерфейс користувача створено у середовищі Tkinter, що дозволило сформувати зручний настільний застосунок для дослідження та тестування новин. Результатом роботи є комплекс, що поєднує алгоритмічну точність глибокого навчання з доступним інтерфейсом для кінцевого користувача.