МЕТОД АДАПТИВНОГО ВІДБОРУ ТА ЗВАЖУВАННЯ ОЗНАК НЕПРАВДИВОЇ ІНФОРМАЦІЇ ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ЇЇ ВИЯВЛЕННЯ В УМОВАХ ГІБРИДНОЇ ВІЙНИ

Анотація

У статті розв’язано актуальне для умов гібридної війни завдання підвищення ефективності виявлення неправдивої інформації в текстових повідомленнях. Актуальність дослідження зумовлена тим, що дезінформаційні впливи в сучасному інформаційному середовищі використовуються як інструмент підриву довіри до державних інституцій, викривлення сприйняття подій, дестабілізації суспільних настроїв і створення додаткового навантаження на системи прийняття рішень. У вступі обґрунтовано потребу в інтерпретованому та ресурсно-ефективному методі, придатному для роботи з великими, динамічними та незбалансованими потоками повідомлень. У постановці проблеми показано, що використання повного ознакового простору підвищує обчислювальну складність, ускладнює пояснення рішень і не враховує потребу в пріоритезації перевірки повідомлень за рівнем ризику. У розділі аналізу останніх досліджень і публікацій узагальнено сучасні підходи до виявлення неправдивої інформації, зокрема контентні, фактологічні, поведінкові та гібридні моделі, а також підходи до оцінювання дезінформаційних ризиків в умовах війни. У теоретичних основах дослідження систематизовано положення щодо відбору ознак, побудови ознакового простору, термового зважування, оцінювання якості класифікації та використання PR/ROC-подань в умовах дисбалансу класів. На цій основі сформовано концептуальну рамку методу адаптивного відбору та зважування ознак неправдивої інформації. У методиці дослідження описано експериментальну перевірку на відкритому українськомовному корпусі новин, тематично пов’язаних із подіями війни Російської Федерації проти України. Після очищення корпусу, вилучення порожніх записів і дублікатів, а також застосування фільтра довжини не менше 200 символів сформовано вибірку обсягом 29372 повідомлення, з яких 353 належать до класу неправдивої інформації, а 29019 — до класу правдивої інформації. Для побудови ознакового опису використано TF-IDF для уніграм і біграм, а як базову модель — логістичну регресію. Відбір ознак реалізовано за схемою
χ² + top‑K з перевіркою кількох значень K на валідаційній вибірці; робочим варіантом обрано K=5000. Для практичного використання скорингу введено трирівневий тріаж ризику на основі 80-го та 95-го процентилів скорингу. У розділі результатів показано, що скорочення ознакового простору з 30000 до 5000 ознак не призводить до суттєвого погіршення якості класифікації: на тестовій вибірці значення F1 зменшується з 0,768 до 0,760, а PR-AUC — з 0,819 до 0,805. Водночас тріаж ризику підтвердив практичну придатність методу: високоризикова група охопила 256 повідомлень із 4406 на тестовій вибірці та містила 50 із 53 фейків, тоді як у низькоризиковій групі зафіксовано лише 1 фейк. У висновках обґрунтовано, що запропонований метод може застосовуватися як інтерпретований та ресурсно-ефективний компонент систем моніторингу інформаційного простору, а подальші дослідження доцільно спрямувати на розширення набору ознак і перевірку методу на інших українськомовних корпусах.