МЕТОД РОЗРОБКИ КЛАСИФІКАТОРА ЗІ ЗАСТОСУВАННЯМ ТЕОРЕМИ БАЙЄСА (BAYES) ДЛЯ УХВАЛЕННЯ РІШЕННЯ ПРО ВИЗНАЧЕННЯ ПРАВДИВОЇ ІНФОРМАЦІЇ

Nataliya Lukova-Chuiko; Tetiana Laptieva

doi:10.28925/2663-4023.2022.18.108123

Автор(и)

Nataliya Lukova-Chuiko Taras Shevchenko National University of Kyiv https://orcid.org/0000-0003-3224-4061
Tetiana Laptieva Taras Shevchenko National University of Kyiv https://orcid.org/0000-0002-5223-9078

DOI:

https://doi.org/10.28925/2663-4023.2022.18.108123

Ключові слова:

класифікатор; кластеризація; простір образів; теорема Байєса; правдивість інформації, апріорна ймовірність

Анотація

Спектр застосування кластерного аналізу дуже широкий: його використовують в археології, медицині, психології, біології, державному управлінні, регіональній економіці, маркетингу, соціології та інших дисциплінах. Кожна дисципліна висуває свої вимоги до первинних даних і правил формування груп. Очевидно, різними будуть методологічні підходи до сегментації ринку, мета якого визначити групи об’єктів, схожих між собою за ознаками та властивостями і до формування кластерів, які об’єднуються задля посилення своїх конкурентних переваг. Так при обробки інформації в інформаційному просторі методологія спрямована, зазвичай, на побудову математичної моделі кластерного аналізу досліджуваного об'єкта чи явища, і навіть отримання відповіді на питання: «Чи правдива інформація чи ні». Виявлення недостовірної інформації у цифровому світі є важливим завданням у подоланні широкого розповсюдження чуток та упереджень.

В роботі проведено аналіз існуючих методів класифікації інформації у інформаційної епохи. Сформулювати ознаки інформаційної епохи, в контексті визначення правдивості інформації. На базі основних ознак інформаційної епохи розроблено метод створення класифікатора для вирішення завдань визначення правдивості інформації.

Проведено математичне моделювання з використанням розробленого класифікатора для підтвердження розробленого методу ухвалення рішення о правдивості інформації за допомогою теореми Байєса (Bayes). Отримані результати довели працездатність запропонованого методу розробки класифікатора для якого при застосуванні теореми Байєса (Bayes) для ухвалення рішення можливо визначати правдивість інформації. Але розроблений байєсовський класифікатор ґрунтується на тому, що апріорні ймовірності гіпотез - відомі. Тому напрямком подальших досліджень є розробка або удосконалення методів та алгоритмів визначення апріорні ймовірності гіпотез.

Завантаження

Дані завантаження ще не доступні.

Посилання

Nakonechnyi, V., Laptiev, O., Pohasii, S., Lazarenko, S., Martyniuk, H. (2021). Vidbir dzherel z nepravdyvoiu informatsiiu metodom bdzholynoi kolonii. Naukoiemni tekhnolohii. Informatsiini tekhnolohii, kiberbezpeka, 52(4), 330-337.

Zamrii, I., Sobchuk, V., Laptiev, O., Savchenko, V., Shkapa, V., Kovalenko, V., Kotok, V. (2022). Fractal Functions and Their Application to Source Data Coding. ARPN Journal of Engineering and Applied Sciences, 17(4), 424 – 435.

Laptieva, T. (2021). Alhorytm vyznachennia miry isnuvannia nedostovirnoi informatsii v umovakh informatsiinoho protyborstva. Kiberbezpeka: osvita, nauka, tekhnika, 2(14), 15-25. https://doi.org/10.28925/2663-4023.2021.14.1525.

Nakonechnyi, V. S., Barabash, O. V., Laptieva, T. O., Mishchenko, A. V. (2022). Udoskonalennia metodu vyiavlennia ta klasterizatsii dzherel nepravdyvoi informatsii. Naukoiemni tekhnolohii. Informatsiini tekhnolohii, kiberbezpeka, 54(4),105 - 111 https://doi.org/10.18372/2310-5461.54.16747

Zhyhalkevych, Zh.M. (2014). Klastery vzaiemodiiuchykh pidpryiemstv ta yikh klasyfikatsiia. Visnyk ONU imeni I.I. Mechnykova, 19(2/3), 98-101.

Laptieva, T.O., Lukova-Chuiko, N.V., Sobchuk, A.V. (2022). Doslidzhennia osnovnykh zahroz i otsinka bezpeky informatsiinykh system. Matematyka. Informatsiini tekhnolohii. Osvita. U KhI Mizhnar. nauk.–prakt. konf., 3–5 chervnia 2022 r. Lutsk–Svitiaz: SNU imeni Lesi Ukrainky (s. 101-103).

Riabyi, M. O., Khatian, O. A., Bahatskyi, C. P. (2015). Model vyiavlennia PR-vplyvu cherez publikatsii v internet ZMI. Informatsiina bezpeka, 21(2), 131-139.

Polishchuk, Yu. Ya., Hnatiuk, S. O., Seilona, P. A. (2015). Mac media yak kanal manipuliatyvnoho vplyvu na suspilstvo. Informatsiina bezpeka, 21(3), 301-308.

Theocharis, V., Lowe, W., W. van Deth, J., Garcla-Albacete, G. (2015).Using Twitter to mobilize protest action: Online mobilization patterns and action repertoires in the Occupy Wall Street, Indignados, and Aganaktismenoi movements. Information, Communication & Society, 18, 202-220.

Butko, T., Prokhorchenko, A., Muzykin, M. (2016). An improved method of determining the schemes of locomotive circulation with regard to the technological peculiarities of railcar traffic. Eastern-European Journal of Enterprise Technologies, 5(3(83)), 47–55. https://doi.org/10.15587/1729-4061.2016.80471.

Molodetska, K. V. (2016). Pidkhid do vyiavlennia orhanizatsiinykh oznak informatsiinykh operatsii u sotsialnykh internet-servisakh. Priorytetni napriamky rozvytku telekomunikatsiinykh system ta merezh spetsialnoho pryznachennia. Zastosuvannia pidrozdiliv, kompleksiv, zasobiv zviazku ta avtomatyzatsii v ATO: zbirn. mater. IX nauk.-prakt. konf., 25 lystop. 2016 r. (c. 130-131). VITI.

Faraz, A. (2016). A comparison of text Categorization methods. International Journal on Natural Language Computing, 5(1), 31 -44.

Laptiev, O.A., Babenko, R.V., Pravdyvyi, A.M., Zozulia, S.A., Stefurak, O.R. (2020). Udoskonalena metodyka vyboru poslidovnosti priorytetiv obsluhovannia potokiv informatsii. Naukovo-praktychnyi zhurnal «Zviazok», 4(146 ), 27 – 31.

Svynchuk, O., Barabash, O., Nikodem, J., Kochan, R., Laptiev, O. (2021). Image compression using fractal functions.Fractal and Fractional, 5(2), 1-14. https://doi.org/10.3390/fractalfract5020031 - 14 Apr 2021

Zamrii, I., Sobchuk, V., Laptiev, O., Savchenko, V., Shkapa, V., Kovalenko, V., Kotok, V. (2022). Fractal Functions and Their Application to Source Data Coding. ARPN Journal of Engineering and Applied Sciences, 17(4), 424 – 435

Yevseiev, S., Ponomarenko, V., Laptiev, O., Milov, O. (2021). Synergy of building cybersecurity systems. Publisher PC TECHNOLOGY CENTER. https://doi.org/10.15587/978-617-7319-31-2