Гібридна модель ансамблю методів машинного навчання для виявлення неправдивих новин

Abstract

Магістерська кваліфікаційна робота виконана студенткою КНСШ-21 Дипко Олександрою Романівною. Тема «Гібридна модель ансамблю методів машинного навчання для виявлення неправдивих новин». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об’єктом дослідження є виявлення неправдивих новин за допомогою методів машинного навчання. Предметом досліджень є гібридна модель, яка включає різні методи машинного навчання та є результатом поєднання різних алгоритмів для виявлення неправдивих новин. Мета магістерської кваліфікаційної роботи полягає у створені ансамблевої моделі методів машинного навчання, що зможе класифікувати правдиві та неправдиві новини. Досягнення мети відбувається за рахунок створення ансамблевої моделі методів машинного навчання, що зможе класифікувати правдиві та неправдиві новини. Подальше опрацювання набору даних відбувається із використанням відомих методів машинного навчання. Апробацію роботи гібридної системи здійснено з використанням різних алгоритмів машинного навчання на основі реального текстового набору даних для розв’язання задачі класифікації. У результаті виконання дипломної роботи створено гібридну модель ансамблю методів машинного навчання; розроблено її програмну реалізацію, яка дозволяє досліджувати роботу різних методів машинного навчання, підбирати гіперпараметри для оптимальної роботи системи. Загальний обсяг роботи: 75 сторінок, 21 рисунок, 24 посилання. Master’s degree work of the student of the group CSAI-21 Dypko Oleksandra Romanivna. The topic is "A hybrid model of an ensemble of machine learning methods for detecting false news". The work is aimed at obtaining a master's degree in 122 "Computer Science". The object of the research is the detection of false news using machine learning methods. The subject of research is a hybrid model, which includes various machine learning methods and is the result of a combination of different algorithms for detecting false news. The goal of the Master's thesis is to create an ensemble model of machine learning methods that can classify true and false news. The goal is achieved through the creation of an ensemble model of machine learning methods that can classify true and false news. Further processing of the data set takes place using known methods of machine learning. The operation of the hybrid system was tested using various machine learning algorithms based on a real text data set to solve the classification problem. As a result of the thesis, a hybrid model of the ensemble of machine learning methods was created; its software implementation has been developed, which allows to investigate the operation of various machine learning methods, to select hyperparameters for optimal system operation. The total amount of work: 75 pages, 21 figures, 24 references.