МОЖЛИВІ ВАРІАНТИ УДОСКОНАЛЕННЯ ІСНУЮЧИХ ПІДХОДІВ ДО ВИЯВЛЕННЯ ФЕЙКОВИХ НОВИН НА ОСНОВІ ВИКОРИСТАННЯ ПОТЕНЦІАЛУ АЛГОРИТМІВ МАШИННОГО ТА ГЛИБОКОГО НАВЧАННЯ, СЕНТИМЕНТУ НОВИННОГО КОНТЕНТУ Й ЕМОЦІЙ У КОМЕНТАРЯХ КОРИСТУВАЧІВ

Анотація

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.