РОЗРОБЛЕННЯ МЕТОДІВ ДЛЯ ВИЯВЛЕННЯ ФЕЙКОВИХ НОВИН НА ОСНОВІ АНАЛІЗУ ТЕОРІЇ ГРАФІВ

Анотація

Статтю присвячено розробленню та дослідженню методів автоматизованого виявлення фейкових новин на основі аналізу графових структур і алгоритмів виявлення спільнот у соціальних мережах. Стрімке зростання обсягів новинного контенту спричиняє складність оперативної перевірки його достовірності в умовах цифрового інформаційного середовища. Традиційні підходи, засновані виключно на лінгвістичному аналізі текстів і класичних методах машинного навчання є недостатніми для виявлення координованих дезінформаційних кампаній, які мають мережевий характер поширення. У роботі обґрунтовано доцільність використання графової моделі подання новин, у якій окремі повідомлення та інформаційні сутності розглядаються як вершини графа, а їхні взаємозв’язки — як ребра. Такий підхід дозволяє перейти від аналізу ізольованих новин до дослідження структурних закономірностей інформаційних потоків. Основну увагу зосереджено на застосуванні алгоритмів виявлення спільнот Louvain і Leiden, які забезпечують кластеризацію графа на основі оптимізації модульності та дозволяють ідентифікувати щільно пов’язані групи повідомлень. Запропоновано архітектуру програмного засобу для виявлення фейкових новин, що охоплює етапи завантаження та попереднього опрацювання даних, побудови графової моделі, кластеризації, аналізу результатів і візуалізації. Реалізація виконана за модульним принципом, що забезпечує гнучкість, масштабованість і можливість інтеграції альтернативних алгоритмів кластеризації. У межах експериментального дослідження проведено порівняльний аналіз результатів, отриманих із використанням алгоритмів Louvain і Leiden, на реальних даних соціальних мереж. Результати експериментів показали, що алгоритми здатні формувати спільноти з високим рівнем чистоти, проте алгоритм Leiden забезпечує більш стабільні та внутрішньо зв’язані кластери, що підвищує інтерпретованість результатів і точність ідентифікації дезінформаційних груп. Продемонстровано, що поєднання аналізу текстової подібності з урахуванням графових спільнот дозволяє ефективніше виявляти фейкові новини та координовані інформаційні впливи порівняно з підходами, орієнтованими лише на контент. Практична цінність роботи полягає у створенні програмного засобу з графічним користувацьким інтерфейсом, який забезпечує прозорий і відтворюваний процес аналізу новинних повідомлень у режимі реального часу. Запропонований підхід може бути використаний як основа для систем моніторингу дезінформації, підтримки прийняття рішень у сфері інформаційної безпеки та подальших наукових досліджень. Перспективи подальшої роботи пов’язані з використанням динамічних графів, мультимодальних даних та пояснюваних моделей штучного інтелекту для поглибленого аналізу процесів поширення фейкових новин.