Аналіз ефективності класифікації україномовних дописів у пабліках Telegram засобами ШІ
Ключові слова:
соціальні мережі, медіагігієна, класифікація текстів, машинне навчанняАнотація
Досліджено ефективність п’яти моделей ШІ для виявлення маніпуляцій в україномовних Telegram-дописах. На власному датасеті порівняно логістичну регресію, нейронну мережу на TF-IDF, LSTM та Transformers. Донавчена модель Transformers (youscan/ukrroberta-base) показала найкращу здатність розпізнавати міноритарний негативний клас. Головним обмеженням визначено сильний дисбаланс класів у даних.
Посилання
Стеблина Н. Нам пишуть, що щось коїться – як регіональні телеграм-канали інформують українців під час Великої війни. Інститут демократії імені Пилипа Орлика. 20.12.2024. URL: https://idpo.org.ua/reports/6136-nam-pishut-shho-shhos-koїtsya-yak-regionalni-telegram-kanali-informuyut-ukraїnciv-pid-chas-velikoї-vijni.html (дата звернення: 27.10.2025).
How Non-Institutionalized News Telegram-Channels Operate and Capture the Audience in Ukrainian Segment. Analytical Report – Kyiv, UMCI NGO, 2023. 69 p.
Регіональні медіа під час виборів 2020. Committee of voters of Ukraine. URL: http://cvu. od.ua/ua/library/monitoring-regionalnih-media-pid-chas-viboriv-2020-zvit_1269/ (дата звернення: 27.10.2025).
Контент українських медіа в 2021 році. Підсумки моніторингів. IMI. https://imi.org.ua/ monitorings/kontent-ukrayinskyh-media-u-2021-rotsi-pidsumky-monitoryngiv-imi-i43114 (дата звернення: 27.10.2025).
Медіа без стандартів. Як популярні телеграм-канали показують достовірність інформації. IMI. 26.07.2024. URL: https://imi.org.ua/monitorings/media-bez-standartiv-yak-populyarnitelegram-kanaly-pokazuyut-dostovirnist-informatsiyi-i62753 (дата звернення: 27.10.2025).
Makogon I., Samokhin I. Targeted Sentiment Analysis for Ukrainian and Russian News Articles. ICTERI 2021 Workshops, Springer International Publishing. 2022. P. 538–549. DOI: 10.1007/978-3-031-14841-5_36.
Shynkarov Y., Solopova V. High quality sentiment analysis model for Ukrainian social media. Proceedings of the 6th Masters Symposium MS-AMLV-2025. Lviv, Ukraine, 2025. URL: https://apps.ucu.edu.ua/en/ms-amlv-2025-proceedings/ (дата звернення: 19.10.2025).
Zalutska O. Method for Analyzing the Ukrainian Language Texts Sentiment Using Natural Language Processing. Системи контролю інформації та інтелектуальні технології. Досягнення та застосування. Liha-Pres, 2025. P. 122–137. DOI: 10.36059/978-966-397-538-2-7.
Prytula M. Fine-tuning BERT, DistilBERT, XLM-RoBERTa and Ukr-RoBERTa models for sentiment analysis of ukrainian language reviews. Artificial Intelligence. 2024. Vol. 29(2). P. 85–97. DOI: 10.15407/jai2024.02.085.
Методологія оцінювання якості контенту в регіональних друкованих та он-лайн виданнях. Інститут демократії імені Пилипа Орлика. URL: https://idpo.org.ua/wp-content/ uploads/methodology-2023.pdf (дата звернення: 27.10.2025).
Стеблина Н. Медіахолдингу немає, джинса триває. Тепер Ріната Ахметова вихваляють у телеграмі. Детектор медіа. 29.12.2022. URL: https://detector.media/monitorynh-internetu/ article/206483/2022-12-29-mediakholdyngu-nemaie-dzhynsa-tryvaie-teper-rinata-akhmetova-vykhvalyayut-u-telegrami/ (дата звернення: 27.10.2025).
Ukrainian Roberta base model. Hugging Face. URL: https://huggingface.co/youscan/ukrroberta-base (дата звернення: 19.10.2025).
Shynkarov Y. Developing a robust text-based sentiment analysis model for Ukrainian social media. Ukrainian Catholic University, Faculty of Applied Sciences, Department of Computer Sciences. Lviv 2025. х, 40 p. URL: https://hdl.handle.net/20.500.14570/5706 (дата звернення: 19.10.2025).
