Виявлення пропаганди в потоках новин
DOI:
https://doi.org/10.20535/1560-8956.46.2025.323759Ключові слова:
пропаганда, публікація, новини, дописи в соціальних мережах, багатофакторна модель, статистичний аналіз, інформаційна технологія інтелектуального аналізу, машинне навчанняАнотація
Виявлення елементів пропаганди в масивах текстових даних наразі є одним із основних засобів боротьби в інформаційній війні, яка відбувається в світі. В даній роботі представлено багатофакторну модель для визначення рівня пропаганди в публікації. В якості публікацій використовувалися текстові новини та дописи в соціальних мережах. Модель була створена на основі методу лінійної згортки. В даній моделі було розглянуто 10 показників, високий рівень кожного з яких вказує на наявність пропаганди в публікації. Значення кожного показника обчислювалося за допомогою методів статистичного та інтелектуального аналізу. Рівень впливу кожного фактору обчислювався за формулою Баєса. Для кожної з відібраних публікацій було обчислено відповідне значення функції цінності. Допустимим рівнем для функції цінності, після якого публікацію можна вважати пропагандистською, вважалося вибіркове середнє її значень для всього набору публікацій. В результаті було сформовано рекомендації щодо того, чи є кожна публікація з даного набору пропагандистською чи ні. Перевагою даного підходу є те, що кожен показник в моделі обчислюється ґрунтуючись виключно на статистичних даних та коректних математичних методах. Це унеможливлює вплив людини, який може бути суб’єктивним, у даний процес.
Бібл. 19, іл. 2, табл. 4
Посилання
Li, W., Li, S., Liu, C. et al. (2022). «Span identification and technique classification of propaganda in news articles». Complex Intell. Syst. 8, 3603–3612. DOI: https://doi.org/10.1007/s40747-021-00393-y.
Maram Hasanain, Fatema Ahmed, Firoj Alam. (2024). «Can GPT-4 Identify Propaganda? Annotation and Detection of Propaganda Spans in News Articles». Computation and Language (cs.CL). DOI: https://doi.org/10.48550/arXiv.2402.17478.
Hamilton, K. (2021). «Towards an Ontology for Propaganda Detection in News Articles» . In: Verborgh, R., et al. The Semantic Web: ESWC 2021 Satellite Events. ESWC 2021. Lecture Notes in Computer Science, vol 12739. Springer, Cham. DOI: https://doi.org/10.1007/978-3-030-80418-3_35.
Da San Martino, G., Yu, S., Barrón-Cedeño, A., Petrov, R., Nakov, P. (2019). «Fine-grained analysis of propaganda in news article.» In: Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), pp. 5635–5645. Association for Computational Linguistics. DOI: https://doi.org/10.18653/v1/D19-1565.
Ciampaglia, G.L., Shiralkar, P., Rocha, L.M., Bollen, J., Menczer, F., Flammini, A. (2015). «Computational fact checking from knowledge networks». PLoS One 10(6), 15. DOI: https://doi.org/10.1371/journal.pone.0128193.
Pocheptsov, G. (2015). «Modern information wars». Kyiv: Kyiv- Mogylianska Academy, pp. 497. ISBN: 9789665186748.
Ghosal, S., Jain, A. (2024). «CatRevenge: towards effective revenge text detection in online social media with paragraph embedding and CATBoost». Multimed Tools Appl. DOI: https://doi.org/10.1007/s11042-024-18791-y.
Alhajj, R., Rokne, J. (eds). (2018) «Encyclopedia of Social Network Analysis and Mining». Analysis and Mining. Springer, New York, NY. P. 2699. https://doi.org/10.1007/978-1-4614-7163-9.
Ramona-Diana Leon, Raúl Rodríguez-Rodríguez, Pedro Gómez-Gasquet, Josefa Mula. (2017) «Social network analysis: A tool for evaluating and predicting future knowledge flows from an insurance organization». Technological Forecasting and Social Change. Vol. 114, pp. 103-118. https://doi.org/10.1016/j.techfore.2016.07.032.
Sergii Telenyk, Grzegorz Nowakowski, Olena Gavrilenko, Mykhailo Miahkyi, Olena Khalus. (2024). «Analysis of the influence of posts of famous people in social networks on the cryptocurrency course». Bulletin of the Polish Academy of Sciences Technical Sciences, Vol. 72(4). DOI: 10.24425/bpasts.2024.150117.
Ukrainian News Dataset. URL: https://huggingface.co/datasets/zeusfsx/ukrainiannews. (accessed: 14.09.2024).
Jürgen Branke, Kalyanmoy Deb, Kaisa Miettinen, Roman Słowiński. (2008). «Multiobjective Optimization». Springer-Verlag Berlin Heidelberg, P. 470. DOI: https://doi.org/10.1007/978-3-540-88908-3.
Kalyanmoy Deb. (2001). «Multi-Objective Optimization using Evolutionary Algorithms». Wiley, P. 536, ISBN: 978-0-471-87339-6.
Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers, Keying E. Ye. (2016). «Probability and Statistics for Engineers and Scientists». 9th ed. Pearson, P. 816. ISBN-13: 978-0134115856.
Sheldon Ross. (2018). «A First Course in Probability». 10th ed. Pearson, P. 528. ISBN-13: 978-0134753119.
P.G. Preethi, V. Uma, A. Kumar. (2015). «Temporal Sentiment Analysis and Causal Rules Extraction from Tweets for Event Prediction». Procedia Computer Science. №48. pp. 84–89. https://doi.org/10.1016/j.procs.2015.04.154.
Rudolf Flesch. (1979). «How to Write Plain English: A Book for Lawyers and Consumers». Harper & Row, P. 126, ISBN: 9780060112783.
Ranked: America’s Most Trustworthy News Organizations in 2024. URL: https://www.visualcapitalist.com/ranked-americas-most-trustworthy-news-organizations-in-2024/. (accessed: 14.09.2024).
Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman. (2014). «Mining of Massive Datasets». Cambridge University Press, P. 326, ISBN: 9781107015357.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
