ОПТИМІЗАЦІЯ МОДЕЛІ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ КЛАСИФІКАЦІЇ НОВИННИХ ДАНИХ

DOI: 10.31673/2412-4338.2025.019647

Анотація

У даній статті досліджуються сучасні підходи до оптимізації моделі штучного інтелекту для класифікації новинних даних, що є надзвичайно актуальним у боротьбі з дезінформацією. Автор аналізує існуючі методи обробки текстової інформації та класифікації новин, пропонуючи власний підхід, заснований на використанні згорткових нейронних мереж із застосуванням технік балансування класів та L2-регуляризації. Основною метою дослідження є підвищення точності класифікації новинних матеріалів та зменшення впливу дисбалансу даних на навчання моделі. Експериментальні дослідження, проведені на наборі даних Fake and Real News, продемонстрували високу точність оптимізованої моделі, що свідчить про її ефективність при розпізнаванні фейкової інформації та правдивих новин. Під час дослідження було проведено аналіз впливу різних гіперпараметрів, таких як кількість згорткових шарів, функції активації, коефіцієнти регуляризації та алгоритми оптимізації. Результати показали, що використання технік балансування класів дозволяє значно зменшити похибки моделі та підвищити її стійкість до змін у структурі даних. Автор також розглядає перспективи подальшого вдосконалення моделі шляхом інтеграції рекурентних шарів для врахування послідовних залежностей у тексті, що може значно підвищити її продуктивність у реальних умовах використання. Крім того, можливим напрямком майбутніх досліджень є застосування трансформерних архітектур, які демонструють високі результати у задачах обробки природної мови. Додатково розглядається можливість використання змішаних підходів, що поєднують переваги згорткових і рекурентних нейронних мереж, що може підвищити ефективність моделі. Застосування таких методів дозволить створити більш адаптивні та універсальні рішення для аналізу текстових даних у сфері медіа.

Ключові слова: класифікація новин, штучний інтелект, нейронні мережі, оптимізація моделі, дезінформація