УДОСКОНАЛЕНИЙ МЕТОД ВИЯВЛЕННЯ ФЕЙКОВИХ НОВИН НА ОСНОВІ ВИКОРИСТАННЯ CNN НЕЙРОМЕРЕЖІ
IMPROVED METHOD OF FAKE NEWS DETECTION BASED ON THE USE OF CNN NEURAL NETWORK
Сторінки: 19-24 . Номер: №5,т.2 2023 (327) 
Автори:
ДМИТРО БОРОВИК, ОЛЕКСАНДР БАРМАК
Хмельницький національний університет
e-mail: dborovyk86@gmail.com
DMYTRO BOROVYK, OLEXANDR BARMAK
Khmelnytskyi National University
DOI: https://www.doi.org/10.31891/2307-5732-2023-327-5-19-24
Анотація мовою оригіналу
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 досліджено авторську ідею щодо удосконалення існуючого підходу виявлення фейкових новин на основі використання нейромережевих підходів. Ідея базується на удосконаленні методу виявлення фейкових новин шляхом збільшення кількості нейронів згорткового шару та додаванні шару випадкового відключення до досліджуваної нейромережі.
Обгрунтування ідеї передбачало попереднє здійснення: постановки досліджуваної задачі; функціонального аналізу алгоритмів машинного (ML) та глибокого (DL) навчання, крім того проведення експериментів для оцінки ефективності запропонованого методу із його застосуванням на різних наборах даних.
Ключові слова: онлайн соціальні мережі; фейкові новини; метод; модель; алгоритм; формалізація.
Розширена анотація англійською мовою
At present, the Internet is the primary source of information. In recent times, the role of online social media (OSM) has significantly increased, which has both positive and negative consequences. The negative role of OSM is associated with the spread of fake news, which affects people’s daily lives, manipulates their thoughts and emotions, changes their beliefs, and can lead to making incorrect decisions. The problem of fake news dissemination on OSM is a global issue, and the development of mechanisms to counter it is a current task.
Various proven approaches to detect fake news exist today. One approach is based on the use of various machine learning (ML) and deep learning (DL) algorithms. Another approach is based on sentiment analysis of news content and emotional analysis of user comments. Research by the authors into other fake news detection approaches, different from the ones mentioned, has led to the conclusion that these approaches are effective and promising in terms of using their potential to develop new models with high performance on different datasets.
This article explores the authors’ idea of improving the existing approach to fake news detection by using neural network approaches. The idea is based on enhancing the method of fake news detection by increasing the number of neurons in the convolutional layer and adding a dropout layer to the studied neural network.
The rationale for the idea involved the preliminary accomplishment of the following: formulation of the research problem, functional analysis of machine learning (ML) and deep learning (DL) algorithms, and experiments to assess the effectiveness of the proposed method on different datasets.
Keywords: online social media, fake news, method, model, algorithm, formalization.
