Registration Number
2126U001902, Article
popup.category
Article, Стаття
Title
Development of a Telegram bot for detecting fake news using NLP and artificial intelligence models
popup.author
Крилик Л. В.
Романець К. В.
Krylik L. V.
Romanets K. V.
Krylik L. V.
Romanets K. V.
popup.publication
01-01-2026
popup.source_user
Вінницький національний технічний університет
popup.source
https://ir.lib.vntu.edu.ua/handle/123456789/51974
popup.publisher
Наукові перспективи
Description
У статті представлено розробку Telegram-бота для виявлення фейкових новин із використанням NLP і моделей штучного інтелекту. Метою розробки є розширення функціональних можливостей Telegram-бота за рахунок поєднання ML-класифікації новинного тексту, аналізу заголовків, профільного аналізу результату, обробки статей за URL, перевірки відкритих джерел та освітнього модуля з медіаграмотності. Розроблений бот має клієнт-серверну логіку роботи: взаємодія з користувачем відбувається через Telegram-інтерфейс, а серверна частина виконує попередню обробку тексту, визначення мови, переклад за потреби, класифікацію та формування відповіді. Для реалізації використано Python, фреймворк aiogram, методи TF-IDF і Bag-of-Words, а також моделі Logistic Regression та Multinomial Naive Bayes. Для навчання моделей застосовано відкритий набір даних Fake and Real News Dataset із платформи Kaggle, що містить понад 40 тис. англомовних записів. Модель класифікації новин Logistic Regression + TF-IDF з діапазоном n-грам (1,2) показала F1=0,9804, а модель аналізу заголовків Multinomial Naive Bayes + Bag-of-Words з діапазоном n-грам (1,1) продемонструвала F1=0,9382. Порівняння з аналогами показало, що розроблений бот розширює наявні рішення за сімома функціональними характеристиками: підтримує окремий аналіз заголовків, обробляє статті за URL, формує профіль результату з показниками емоційності, ризику маніпуляції, конкретності фактів і наявності джерел, виконує пошук схожих матеріалів у відкритих джерелах із fallback-переходом до Google, містить освітній модуль, інтерактивне тестування користувача та двомовну взаємодію з мовною адаптацією. При цьому швидкість класифікації становить близько 1,08 мс для текстів новин і 0,03÷0,04 мс для заголовків. Розробка не замінює професійний фактчекінг, але є інструментом для швидкої попередньої перевірки новинного контенту в середовищі Telegram, допомагаючи користувачу орієнтуватися в медіапросторі та звертати увагу на потенційно сумнівні повідомлення.
popup.nrat_date
2026-10-29
