Класифікація фейкових новин про аграрний сектор у соціальних мережах

Abstract

У роботі досліджено проблему автоматичної класифікації фейкових новин щодо аграрного сектору у соціальних мережах. Проаналізовано особливості дезінформації в аграрній галузі, її вплив на ринки та суспільну думку. Запропоновано використання методів машинного навчання – TF-IDF, Naive Bayes та Logistic Regression – у поєднанні з інструментами Python, Scikit-learn, NLTK та Hugging Face для побудови ефективного класифікатора. Визначено перспективи вдосконалення системи на основі трансформерних моделей./The paper investigates the problem of automatic classification of fake news about the agricultural sector in social networks. The features of disinformation in agriculture and its impact on markets and public opinion are analysed. The use of machine learning methods – TF-IDF, Naive Bayes and Logistic Regression – combined with Python, Scikit-learn, NLTK and Hugging Face tools for building an effective classifier is proposed. Prospects for improving the system based on transformer models are identified.