Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/3306
Full metadata record
DC FieldValueLanguage
dc.contributor.authorChernyaev, A. A.en
dc.contributor.authorIvashko, A. G.en
dc.contributor.authorЧерняев, А. А.ru
dc.contributor.authorИвашко, А. Г.ru
dc.date.accessioned2020-05-19T07:01:59Z-
dc.date.available2020-05-19T07:01:59Z-
dc.date.issued2019
dc.identifier.citationЧерняев, А. А. Математическое моделирование оценки достоверности слухов в средствах массовой информации / А. А. Черняев, А. Г. Ивашко // Вестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика / главный редактор А. Б. Шабаров. – Тюмень : Издательство Тюменского государственного университета, 2019. – Т. 5, № 4(20). – С. 181-199.ru
dc.identifier.issn2411-7978
dc.identifier.issn2500-3526
dc.identifier.urihttps://elib.utmn.ru/jspui/handle/ru-tsu/3306-
dc.identifier.urihttps://elib.utmn.ru/jspui/handle/ru-tsu/3306
dc.description.abstractOne of the most important tasks of the contemporary society includes fighting the spreading false information. The unprecedented transition from the traditional media to the modern methods of receiving news has created many problems with verifying its authenticity. Contemporary journalists have to compete with a huge data stream of ordinary users, which is why the main quality factor is the time to publish a news article. As a result, an increasing number of traditional news sources report unclarified information due to the rush to be first. This paper considers a method for determining the presence of hearing in the mass media for the Russian language. This method aims to study the possibility of searching for rumors among users’ messages in social networks. Achieving this goal requires various methods of text analysis, including semantic and linguistic analysis, as well as the analysis of the distribution of records relative to time segments. During the research, the authors have analyzed different popular tools for obtaining data from social networks. In addition, they have manually compiled and marked a sample for training the neural network. As a tool for solving the problem, we used a neural network based on a multi-layer perceptron. The inputs receive a set of 15 metrics that evaluate all aspects of hearing, and as an output, the probability of hearing. The test was performed using various metrics that showed high results for the constructed neural network model. Cross-validation has shown that the model is able to withstand various checks at a high level.en
dc.description.abstractОдной из самых важных задач современного общества является борьба с распространением ложной информации. Беспрецедентный переход от традиционных средств массовой информации к современным методам получения новостей породил множество проблем с проверкой доверия к ним. Журналисты в современном мире вынуждены конкурировать с огромным потоком данных обычных пользователей, из-за чего основным фактором качества становится время, за которое была опубликована новостная статья. В результате все большее число традиционных источников новостей сообщают о необоснованной информации из-за спешки быть первыми. В представленной работе рассматривается метод определения наличия слухов в средствах массовой информации для русского языка. Метод нацелен на изучение возможности поиска слухов среди сообщений пользователей в социальных сетях. Для достижения цели используются различные способы анализа текста, такие как семантический и лингвистический, а также анализ распространения записей относительно временных отрезков. За время выполнения задачи были проанализированы популярные инструменты для получения данных из социальных сетей, а также вручную составлена и промаркирована выборка для обучения нейронной сети. В качестве инструмента решения задачи использовалась нейронная сеть, в основе которой лежит многослойный персептрон. На вход поступает набор из 15 измерений, которые оценивают все стороны сообщения, а в качестве выхода – вероятность наличия слуха. Проверка выполнена при помощи различных измерений, которые показали высокие результаты для построенной модели нейронной сети. Кросс-валидация показала, что модель способна выдерживать различные проверки на высоком уровне.ru
dc.format.mimetypeapplication/pdfen
dc.language.isoruen
dc.publisherИздательство Тюменского государственного университетаru
dc.relation.ispartofВестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика. – 2019. – Т. 5, № 4(20)ru
dc.subjectmodelen
dc.subjectartificial intelligenceen
dc.subjectdecision support programen
dc.subjectevaluation of user behavior in the networken
dc.subjectrumorsen
dc.subjectdata collectionen
dc.subjecttext analysisen
dc.subjectsemantic analysisen
dc.subjectparsingen
dc.subjecttree buildingen
dc.subjectintelligent methodsen
dc.subjectмодельru
dc.subjectискусственный интеллектru
dc.subjectпрограмма поддержки принятия решенийru
dc.subjectоценкаповедения пользователя в сетиru
dc.subjectслухиru
dc.subjectсбор данныхru
dc.subjectанализ текстаru
dc.subjectсемантический разборru
dc.subjectсинтаксический разборru
dc.subjectпостроение деревьевru
dc.subjectинтеллектуальные методыru
dc.titleМатематическое моделирование оценки достоверности слухов в средствах массовой информацииru
dc.title.alternativeMathematical modeling estimates of the reliability of rumors in mass mediaen
dc.typeArticleen
dc.typeinfo:eu-repo/semantics/publishedVersionen
dc.typeinfo:eu-repo/semantics/articleen
local.description.firstpage181
local.description.lastpage199
local.issue4(20)
local.volume5
local.identifier.uuid2cafa054-fb7b-4ceb-b5a5-e74e69c44e72-
local.identifier.handleru-tsu/3306-
dc.identifier.doi10.21684/2411-7978-2019-5-4-181-199
Appears in Collections:Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика

Files in This Item:
File SizeFormat 
181_199.pdf1.06 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.