МЕТОДИ РЕАЛІЗАЦІЇ ВИЯВЛЕННЯ ДЕЗІНФОРМАЦІЇ У СОЦІАЛЬНИХ МЕРЕЖАХ НА ОСНОВІ ШТУЧНОГО ІНТЕЛЕКТУ

Анотація

У статті розглянуто сучасні підходи до автоматизованого виявлення дезінформації у соціальних мережах із застосуванням технологій штучного інтелекту. Проаналізовано еволюцію методів — від лінгвістичного аналізу текстів і класичних алгоритмів машинного навчання до глибинних нейронних мереж і трансформерних моделей. Показано, що традиційні статистичні методи не забезпечують необхідної точності при обробці великих обсягів даних, тоді як моделі на основі CNN, RNN і BERT демонструють високу ефективність завдяки здатності враховувати контекст і семантичні зв’язки. Окрему увагу приділено мультимодальному аналізу, який поєднує обробку тексту, зображень і відео для виявлення складних типів фейків, зокрема deepfake. Запропоновано використання методу Лейдена як інноваційного підходу до кластеризації соціальних графів, що дозволяє виявляти координовані спільноти користувачів, які поширюють дезінформацію. Проведено експериментальне дослідження на даних із соціальної мережі Twitter, яке підтвердило високу результативність алгоритму Лейдена у порівнянні з методом Лувена. Отримані показники модульності (0,82) та щільності кластерів (0,74) засвідчили чітку структуризацію дезінформаційних спільнот і можливість виявлення до 78 % бот-акаунтів. Розроблена модель поєднує аналіз соціального графа з методами обробки природної мови (NLP) для одночасного визначення джерел дезінформації та змісту поширюваних повідомлень. Зроблено висновок, що інтеграція методів кластеризації графів і машинного навчання є перспективним напрямом у створенні систем автоматичного моніторингу соціальних мереж. Подальші дослідження доцільно зосередити на розробленні пояснюваних моделей (Explainable AI), багатомовній адаптації та впровадженні технологій протидії фейкам безпосередньо в інфраструктуру соціальних платформ.