Вебплатформа новин з використанням AI-модуля для виявлення недостовірної інформації

Abstract

Об’єктом роботи є процеси виявлення недостовірної інформації у новинних текстах. Предметом роботи є моделі виявлення та класифікації недостовірної інформації у новинах з інтегрованим модулем верифікації контенту на основі штучного інтелекту. Метою роботи є розробка вебплатформи новин з інтегрованим AI-модулем для автоматичного виявлення недостовірної інформації. Методи дослідження: глибоке навчання, трансформерні архітектури, ансамблеві методи класифікації, обробка природної мови, проєктування вебзастосунків. Перший розділ містить аналіз існуючих платформ та систем виявлення недостовірної інформації та формулювання вимог до системи. У другому розділі досліджено методи виявлення недостовірної інформації, описано архітектуру AI-модуля і обґрунтовано технологічний стек. Реалізацію вебплатформи та аналіз результатів роботи AI-модуля представлено в третьому розділі. В четвертому розділі здійснено тестування системи та наведено ролі користувачів. В розробленій вебплатформі реалізовано ансамблевий AI-модуль, який поєднує дві трансформерні моделі (RoBERTa та BERT-tiny), евристичний аналізатор, а також Google Fact Check API Tools. Реалізовано калібрування ваг моделей за категоріями. Для функціональності додано імпорт новин через NewsAPI, оновлення стрічки новин через WebSocket та адміністративний інтерфейс. Кваліфікаційна робота складається з 4 розділів, загальним обсягом 86 сторінок, 34 використаних джерел і 14 рисунків. Object of research is the processes of detecting misinformation in news texts. Subject of research is models for detecting and classifying misinformation in news with an integrated AI-based content verification module. The aim of the work is to develop a news web platform with an integrated AI module for automatic detection of misinformation. Research methods: deep learning, transformer architectures, ensemble classification methods, natural language processing, web application design. The first chapter contains an analysis of existing platforms and misinformation detection systems and formulates the system requirements. The second chapter examines methods for detecting misinformation, describes the AI module architecture and justifies the technology stack. The implementation of the web platform and analysis of the AI module performance are presented in the third chapter. The fourth chapter covers system testing and describes user roles. The developed web platform incorporates an ensemble AI module combining two transformer models (RoBERTa and BERT-tiny), a heuristic analyzer, and Google Fact Check API Tools. Weight calibration of models by category has been implemented. To extend system functionality, news import via NewsAPI, real-time feed updates via WebSocket, and an administrative interface have been added. The thesis consists of 4 chapters, with a total volume of 86 pages, 34 references and 14 figures.