Розробка системи аналізу соціальних мереж для виявлення фейкових новин

Яловінський, В. Д.

Розробка системи аналізу соціальних мереж для виявлення фейкових новин

dc.contributor.author	Яловінський, В. Д.	uk
dc.title	Розробка системи аналізу соціальних мереж для виявлення фейкових новин	uk
dc.date.issued	2025
dc.publisher	Вінницький національний технічний університет	uk
dc.identifier.citation	Яловінський В. Д. Розробка системи аналізу соціальних мереж для виявлення фейкових новин // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22968.	uk
dc.relation.ispartof	Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.	uk
dc.relation.uri	https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22968
dc.identifier.isbn	978-617-8163-57-0
dc.identifier.udc	004.8
dc.identifier.uri	https://ir.lib.vntu.edu.ua/handle/123456789/48112
dc.description.abstract	Досліджено теоретичні аспекти створення систем для автоматизованого аналізу контенту в соціальних мережах. Запропоновано методи виявлення фейкових новин, які ґрунтуються на застосуванні алгоритмів машинного навчання, обробки текстових і мультимедійних даних, а також графового аналізу. Наведено можливі архітектурні рішення та обґрунтовано доцільність їх використання.	uk
dc.description.abstract	The theoretical aspects of creating systems for automated analysis of content on social networks are investigated. Methods for detecting fake news based on the use of machine learning algorithms, text and multimedia data processing, and graph analysis are proposed. Possible architectural solutions are presented and the feasibility of their use is substantiated.	en
dc.subject	фейкові новини	uk
dc.subject	соціальні мережі	uk
dc.subject	графовий аналіз	uk
dc.subject	машинне навчання	uk
dc.subject	мультимедійний аналіз	uk
dc.subject	fake news	en
dc.subject	social networks	en
dc.subject	graph analysis	en
dc.subject	machine learning	en
dc.subject	multimedia analysis	en
dc.type	Thesis
dc.language.iso	uk	uk
dc.relation.references	Adiwardana D., Luong M., Socher R. Towards Better NLP: State-of-the-Art Language Models 2020 45 c.	en
dc.relation.references	Brown T., Mann B., Ryder N. Language Models Are Few-Shot Learners OpenAI, 2020 87 c.	en
dc.relation.references	Devlin J., Chang M., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 2019.-14 c.	en
dc.relation.references	Jurafsky D., Martin J. Speech and Language Processing (3rd Edition) Prentice Hall, 2022- 1024 c.	en
dc.relation.references	Kaggle – Platform for Data Science Competitions [Електронний ресурс] – Режим доступу до ресурсу: https://kaggle.com	en
dc.relation.references	HubSpot Blog on Fake News Analysis [Електронний ресурс] – Режим доступу до ресурсу: https://blog.hubspot.com	en
dc.date.accessioned	2025-08-13T09:46:43Z
dc.date.available	2025-08-13T09:46:43Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 22968.pdf
Розмір:: 540,24 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 17 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2025)