Модуль виявлення фейкових новин на основі ключових слів

Abstract

Метою роботи є розробка комбінованого підходу до виявлення фейкових новин, що поєднує методи витягу ключових слів (TF-IDF, RAKE, YAKE!, LDA, LSA, TextRank) та алгоритми машинного навчання з використанням ансамблевих класифікаторів (Voting, Stacking). Методи дослідження включають: аналіз сучасних підходів до класифікації текстів, побудову інформаційної моделі, попередню обробку тексту (токенізація, лематизація, видалення стоп-слів), векторизацію текстів, витяг ключових слів, навчання моделей класифікації (Random Forest, Logistic Regression, SVM) та оцінку точності класифікації за допомогою метрик точності, повноти та F1-міри. У результаті реалізовано програмний модуль на мові Python із використанням бібліотек scikit-learn, NLTK, pandas, matplotlib, що дозволяє завантажувати новини у форматі CSV, автоматично витягувати ключові ознаки та здійснювати класифікацію з точністю понад 92%. Результати виводяться у вигляді графіків, таблиць і звітів, що підвищує зручність використання. Результати дослідження можуть бути застосовані в галузях інформаційної безпеки, журналістики, фактчекінгу та розробки інструментів для боротьби з дезінформацією.