Оптимізована модель чинників достовірності текстових даних
Анотація
На підставі аналізу літературних джерел описано основні характеристики чинників впливу на ступінь достовірності текстових даних, оскільки обсяги та швидкість поширення новин створюють складнощі у визначенні їх правдивості. З'ясовано, що ймовірність інформації, особливо в соціальних медіа, часто ставиться під сумнів через поширення фейкових новин, маніпуляції та дезінформацію, що може змінити загальний образ подій і вплинути на суспільство. Навіть без спеціального спотворення, інформація може бути неточною через помилки в джерелах, неправильне тлумачення чи недостатню перевірку фактів. Виокремлено із загальної множини чинників достовірності даних деяку їх підмножину, для якої виконано формалізоване відтворення взаємних зв'язків між елементами з використанням засобів семантичних мереж, що забезпечило відображення в одній графічній структурі впливів і залежностей між чинниками та лінгвістичної семантики їх суті. Застосовано для визначення рівнів пріоритетності чинників стосовно впливу на достовірність даних метод математичного моделювання ієрархій, згідно з алгоритмом реалізації якого запроектовано квадратну бінарну матрицю досяжності, що ідентифікує характерні зв'язки між чинниками семантичної мережі: прямі залежності та прямі впливи. Побудовано на підставі матриці досяжності таблиці ітераційного процесу, опрацювання яких забезпечило встановлення рівнів важливості чинників. Розроблено базову багаторівневу модель впливу чинників на ступінь достовірності текстових даних. Запроектовано за методом попарних порівнянь, шкалою відносної важливості об'єктів та моделлю чинників достовірності текстових даних обернено-симетричну матрицю попарних порівнянь, опрацювання якої за програмою розрахунку вагових пріоритетів чинників забезпечило отримання числових вагових переваг чинників досліджуваного процесу. Розроблено багаторівневу оптимізовану графічну модель чинників пріоритетного впливу чинників на достовірність текстових даних. Проведено перевірку адекватності отриманих результатів за критеріями методу попарних порівнянь, до яких віднесено: максимальне власне значення додатної обернено-симетричної матриці; показник узгодженості; відношення узгодженості.
Завантаження
Посилання
Bartish, M. Ya., & Dudzianyi, I. M. (2009). Operations research. Part 3. Decision making and game theory. Lviv: Publishing center of Ivan Franko National University, 278. [In Ukrainian]. URL: https://ami.lnu.edu.ua
Certificate of copyright registration for work No. 41832. Ukraine. Simulation modeling in system analysis using binary comparisons method (computer program). The copyrights are owned by I. V. Hileta, V. M. Senkivskyy, O. V. Melnykov. Registered 17.01.2012.
Dixit, D. K., Bhagat, A., & Dangi, D. (2022). Automating fake news detection using PPCA and levy flight-based LSTM. Soft Computing A Fusion of Foundations, Methodologies and Applications, 26, 12545–12557. https://doi.org/10.1007/s00500-022-07215-4
Durniak, B. V., Pikh, I. V., & Senkivskyy, V. M. (2022). Theoretical foundations of the information concept for the formation and evaluation of the quality of publishing and printing processes. Monograph. Lviv: Ukrainian Academy of Printing, 356. [In Ukrainian]. URL: https://biblio.uad.lviv.ua
Eight effective ways to recognize fake information. URL: https://www.prostir.ua/?news=8-dijevyh-sposobiv-rozpiznaty-fejkovu-informatsiyu
Hryshchuk, R., & Molodetska, K. (2017), Synergetic Control of Social Networking Services Actors Interactions. Recent Advances in Systems, Control and Information Technology Advances in Intelligent Systems and Computing, 543, 34–42. https://doi.org/10.1007/978-3-319-48923-0_5
Legominova, S., & Gaidur, G. (2023). Analysis of modern threats to the information security of organizations and the formation of an information platform to counter them. Electronic professional scientific publication. Cybersecurity: Education, Science, Technology, 2(22), 54–67. https://doi.org/10.28925/2663-4023.2023.22.5467
Michail, D., Kanakaris, N., & Varlamis, I. (2022). Detection of fake news campaigns using graph convolutional networks. International Journal of Information Management Data Insights, 2(2). https://doi.org/10.1016/j.jjimei.2022.100104
Pih, I. V., Senkivskyy, V. M., Teslyuk, V. M., & Tsmots, I. G. (2022). Models of factors of the intensity of vaccination against COVID-19 taking into account the predicates of semantic networks. Proceedings, 1(64), 63–75. https://doi.org/10.32403/1998-6912-2022-1-64-63-75
Rastogi, S., & Bansal, D. (2022). Disinformation detection on social media: An integrated approach. Multimedia Tools and Applications, 81, 40675–40707. https://doi.org/10.1007/s11042-022-13129-y
Rath, B., Salecha, A., & Srivastava, J. (2022). Fake news spreader detection using trust-based strategies in social networks with bot filtration. Social Network Analysis and Mining, 12, 66. https://doi.org/10.1007/s13278-022-00890-z
Senkivskyy, V. M., Pikh, I. V., Kalynii, I. V., Senkivskyy, N. Y., & Drahomirov, M. A. (2022). Methodological Foundations of Software Quality Formation (Part 1: Basic Model of Quality Factors). Printing and Publishing, 2(84), 9–21. https://doi.org/10.32403/0554-4866-2022-2-84-9-21
Senkivskyy, V. M., Pikh, I. V., Kudriashova, A. V., Senkivska, N. E., Kalynii, I. V. (2021). Optimization of the model of reader demand factors for the book. Printing and Publishing, 2(84), 11–20. https://doi.org/10.32403/0554-4866-2021-1-81-11-20
Senkivskyy, V., Pikh, I., Kudriashova, A., Senkivska, N., & Tupychak, L. (2022). Models of Factors of the Design Process of Reference and Encyclopedic Book Editions. Lecture Notes on Data Engineering and Communications Technologies, 77, 217–229. https://doi.org/10.1007/978-3-030-82014-5
Tyshchenko, V., & Muzhanova, T. (2022). Disinformation and fake news: signs and methods of detection on the Internet. Electronic professional scientific publication. Cybersecurity: Education, Science, Technology, 2(18), 175–186. https://doi.org/10.28925/2663-4023.2022.18.175186
Villegas-Ch, W., Govea, J., & Ortiz-Garces, I. (2024). Developing a Cybersecurity Training Environment through the Integration of OpenAI and AWS. Computing and Artificial Intelligence a section of Applied Sciences, 14(2), 67. https://doi.org/10.3390/app14020679
Wang, Y., Wang, L., Yang, Y., & Zhang, Y. (2022). Detecting fake news by enhanced text representation with multi-EDU-structure awareness. An International Journal Expert Systems with Applications, 206 p. https://doi.org/10.1016/j.eswa.2022.117781
Yousif Yaseen, K. A. (2022). Importance of Cybersecurity in The Higher Education Sector 2022. Asian Journal of Computer Science and Technology, 11(2), 20–24. https://doi.org/10.51983/ajcst-2022.11.2.3448
Zgurovskyi, M. Z., & Pankratova, N. D. (2007). Fundamentals of system analysis. Kyiv: VNU Publishing Group, 544. [In Ukrainian]. URL: https://iszzi.kpi.ua
