Research output: Contribution to journal › Article › peer-review
Возможности машинного обучения в сфере электронного взаимодействия: российский опыт определения фейк-ньюз. / Третьяков, Арсений Олегович; Филатова, Ольга Георгиевна; Жук, Денис Владимирович; Болгов, Радомир Викторович.
In: Евразийский юридический журнал, No. 12(127), 2018, p. 415-418.Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - Возможности машинного обучения в сфере электронного взаимодействия: российский опыт определения фейк-ньюз
AU - Третьяков, Арсений Олегович
AU - Филатова, Ольга Георгиевна
AU - Жук, Денис Владимирович
AU - Болгов, Радомир Викторович
PY - 2018
Y1 - 2018
N2 - В статье рассматриваются современные возможности машинного обучения, которые приобретают все большее значение в связи с активным развитием социальных сетей. Применение искусственного интеллекта и машинного обучения демонстрируется на примере разработанного авторами метода автоматизированного определения фейковых новостей. Проблема в изучении фейковых новостей заключается в том, что они принимают множество форм и распространяются по многим каналам, а, благодаря вирусному эффекту социальных сетей, сегодня их эффективность значительно увеличивается. Авторский метод направлен на решение задач автоматизации исполнения процессов в программном обеспечении и технических комплексах путем распознавания и анализа задач, представленных в виде системы фактов в текстовом формате и их последующего превращения в готовый код в соответствии с входными данными. Актуальность разработки данного метода связана с отсутствием комплексных исследований, посвященных появлению большого количества непроверенной информации в онлайн-пространстве и распространению фейковых новостей. В заключение указываются возможные направления дальнейших исследований, на основе которых могут формироваться объективные рекомендации как для национальных государственных структур, так и для ЕАЭС в целом.
AB - В статье рассматриваются современные возможности машинного обучения, которые приобретают все большее значение в связи с активным развитием социальных сетей. Применение искусственного интеллекта и машинного обучения демонстрируется на примере разработанного авторами метода автоматизированного определения фейковых новостей. Проблема в изучении фейковых новостей заключается в том, что они принимают множество форм и распространяются по многим каналам, а, благодаря вирусному эффекту социальных сетей, сегодня их эффективность значительно увеличивается. Авторский метод направлен на решение задач автоматизации исполнения процессов в программном обеспечении и технических комплексах путем распознавания и анализа задач, представленных в виде системы фактов в текстовом формате и их последующего превращения в готовый код в соответствии с входными данными. Актуальность разработки данного метода связана с отсутствием комплексных исследований, посвященных появлению большого количества непроверенной информации в онлайн-пространстве и распространению фейковых новостей. В заключение указываются возможные направления дальнейших исследований, на основе которых могут формироваться объективные рекомендации как для национальных государственных структур, так и для ЕАЭС в целом.
KW - машинное обучение
KW - нейронные сети
KW - ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
KW - электронное взаимодействие
KW - ФЕЙК-НЬЮЗ
KW - ЦИФРОВАЯ ДЕЗИНФОРМАЦИЯ
KW - ЕАЭС
UR - https://www.elibrary.ru/item.asp?id=36826747
UR - https://eurasialaw.ru/2018g/12-127-2018g
M3 - статья
SP - 415
EP - 418
JO - ЕВРАЗИЙСКИЙ ЮРИДИЧЕСКИЙ ЖУРНАЛ
JF - ЕВРАЗИЙСКИЙ ЮРИДИЧЕСКИЙ ЖУРНАЛ
SN - 2073-4506
IS - 12(127)
ER -
ID: 36271479