Современное медиапространство характеризуется высокой скоростью распространения информации, что существенно повышает уязвимость общества к дезинформационным кампаниям. Под политической дезинформацией понимаются намеренно искажённые, вымышленные сведения, распространяемые с целью влияния на политические процессы, общественное мнение или поведение граждан. Она может принимать различные формы: от полностью фейковых новостей до частично искажённых сообщений, эмоционально окрашенных заголовков, контекстуальных манипуляций. Рост цифровых коммуникаций и социальных сетей создал условия, при которых политически мотивированные фейковые сообщения могут распространяться быстрее и шире, чем традиционные каналы успевают их опровергать. В этих условиях возрастает потребность в разработке инструментов автоматизированного выявления политической дезинформации.
В рамках данного исследования особое внимание уделяется применению методов машинного обучения для классификации текстов как достоверных или недостоверных. Методы машинного обучения представляют собой один из наиболее перспективных подходов благодаря способности анализировать большие объёмы текстовой информации и выявлять лингвистические паттерны, которые труднодоступны при традиционном качественном анализе большого количества данных. Применение алгоритмов классификации текста позволяет повысить эффективность мониторинга медиасреды и выявлять материалы, содержащие признаки недостоверности. Целью исследования является анализ возможностей и ограничений методов машинного обучения при автоматическом обнаружении политической дезинформации. В работе рассматриваются основные этапы обработки текстовых данных, используемые модели классификации, а также оценивается их эффективность на основе открытых датасетов. Полученные результаты позволяют сделать выводы о потенциале применения машинного обучения в политическом анализе.
Методология исследования основана на применении алгоритмов машинного обучения для автоматической классификации текстов как достоверных или недостоверных. Были реализованы следующие этапы:
1. Источник данных и предобработка
Для проведения анализа использовался русскоязычный датасет, содержащий размеченные политические новостные тексты с бинарной разметкой (датасет включал два поля: text – непосредственно тексти label – бинарная разметка, определяющая степень достоверности текста). После комплексной предобработки, включавшей: очистку от HTML-тегов, спецсимволов, нормализацию (приведение к нижнему регистру, токенизация), удаление коротких текстов (менее 3 слов), общий объем датасета составил 14 500 текстов, размеченных по принципу: 0 – достоверные политические новости, 1 – фейковые политические новости. Для экспериментов данные были разделены на обучающую (11 600 текстов) и тестовую (2 900 текстов) выборки в пропорции 80/20.Следует отметить, что датасет обладал определённой тематической узостью, что в дальнейшем позволило проанализировать не только абсолютную эффективность моделей, но и их зависимость от репрезентативности данных.
2. Векторизация данных
Для векторизации текстов использовался метод TF-IDF, оценивающий значимость терминов в корпусе документов. Были использованы униграммы и биграммы (n-граммы (1,2)). Оптимальное количество признаков в методе составило 30 000 (топ – 30 000 наиболее значимых слов и словосочетаний для векторизации). Это количество было подобрано экспериментально для баланса между полнотой и устойчивостью модели к переобучению. Полученные числовые представления текстов составили основу для обучения и тестирования классификационных моделей.
3. Выбор и обучение моделей машинного обучения
Для решения задачи классификации текстов на достоверные и фейковые новости были выбраны два алгоритма машинного обучения: логистическая регрессия (Logistic Regression) и наивный байесовский классификатор (Naive Bayes Classifier). Данные модели были выбраны исходя из их эффективности в задачах текстовой классификации, скорости обучения и, что особенно важно, интерпретируемости результатов.
Logistic Regression – это статистический метод, который оценивает вероятность принадлежности текста к определенному классу. Модель работает по принципу сигмоидной функции, преобразующей линейную комбинацию признаков в значение вероятности от 0 до 1. Ключевое преимущество этой модели – высокая интерпретируемость результатов, так как можно проанализировать веса отдельных слов и понять, какие из них больше всего влияют на классификацию.
Naive Bayes Classifier основан на теореме Байеса и предполагает условную независимость признаков. Модель эффективно работает с большими объемами текстовых данных и устойчива к шуму, что делает её популярным выбором для задач NLP. Обе модели были обучены на размеченных данных с использованием TF-IDF векторов с оптимальным количеством признаков, определенным экспериментальным путем. Обучение проводилось на стандартных параметрах моделей с последующей оценкой по комплексному набору метрик для сравнительного анализа их эффективности. Сравнительный подход с использованием двух различных по своей природе алгоритмов позволил не только оценить абсолютную эффективность методов, но и устойчивость выявленных языковых паттернов дезинформации.
4. Оценка эффективности моделей
Для проверки эффективности модели данные были разделены на обучающую и тестовую выборки в пропорции 80/20. Оценка проводилась с использованием стандартных метрик:
• Accuracy – доля правильно классифицированных текстов;
• Precision – точность определения фейковых новостей;
• Recall – полнота выявления ложных сообщений;
• F1-score – гармоническое среднее между точностью и полнотой.
Основное тестирование проводилось на изолированной тестовой выборке, что обеспечивало объективность оценки способности алгоритмов к обобщению. Проведенные эксперименты позволили получить сравнительные характеристики эффективности двух моделей машинного обучения для задачи выявления политической дезинформации – логистическая регрессия показала следующие результаты: Accuracy – 0.94, Precision – 0.95, Recall – 0.91, F1 – 0.93; Наивный байесовский классификатор: Accuracy – 0.89, Precision – 0.94, Recall – 0.80, F1 – 0.87.
Полученные метрики свидетельствуют о формальной эффективности моделей в условиях контролируемого эксперимента. Для проверки практической применимости моделей был проведен тест на специально подготовленной выборке текстов, разделенных на четыре смысловые категории: нейтральные заявления, политические события, вероятные фейки, манипулятивные заголовки.
Проведенное исследование демонстрирует, что проблема автоматического выявления политической дезинформации лежит не в плоскости математического аппарата или выбора алгоритмов, а в области репрезентативности и сбалансированности данных. Модели показали высокие метрики на тестовой выборке (F1-мера до 0.93), что доказывает их формальную применимость и корректность математического аппарата. Однако тестирование на внешних данных выявило фундаментальную проблему, связанную со смещением обучающей выборки: модели демонстрируют переобучение на тематические паттерны. Это приводит к ситуации, когда высокая вероятность отнесения текста к дезинформации объясняется скорее его политической тематикой и специфической лексикой, чем объективными признаками недостоверности. Высокие формальные метрики моделей маскируют фундаментальную ограниченность моделей – тенденцию к воспроизводству идеологических предпочтений, заложенных в обучающей выборке. Выявленное тематико-идеологическое смещение проявляется в систематической ассоциации дезинформации с определёнными политическими акторами («США», «Хиллари»). Ценность исследования состоит в эмпирическом подтверждении парадоксальной ситуации, когда формально работоспособные модели оказываются практически нежизнеспособными из-за ограничений обучающей выборки. Таким образом, перспективы применения методов машинного обучения в политическом анализе напрямую зависят от решения методологической проблемы – создания репрезентативных и идеологически сбалансированных датасетов. Для этого необходимы целенаправленные усилия по формированию стратифицированных выборок, учитывающих разнообразие политических позиций и дискурсов, а также разработка прозрачных методик верификации данных. Дальнейшие исследования должны быть направлены на разработку подходов к формированию обучающих выборок, адекватно отражающих многообразие политического медиапространства и минимизирующих риски систематических смещений. Только при этом условии возможно создание инструментов анализа, способных эффективно выявлять дезинформацию независимо от её тематической и идеологической принадлежности.
Литература и источники:
1. Бочарников И.В. Информационно-коммуникативные противоречия и проблемы современных процессов глобализации. В сборнике: Экология внешней и внутренней среды социальной системы (ЭкоМир-9). Материалы конференции. 2019. С. 190–192.
2. Волченко О.В. Политическая дезинформация в цифровой среде: новые вызовы и методы противодействия // Вестник Московского университета. Серия 10:
Журналистика. – 2021. – № 5. – С. 45–67.
3. Информационная аналитика и информационно-аналитические технологии в контексте социального управления / Под ред. В.Н. Ремарчука, И.В. Бочарникова. Москва, 2025.
4. Ремарчук В.Н. Информационно-аналитическая деятельность: проблемы и перспективы. В сборнике: Информационная аналитика и информационно-аналитические технологии в контексте социального управления. Москва, 2023. С. 16–25.
5. Первушин В.Б., Соколова Е.Н. Машинное обучение для анализа текстов: методы и практика. – М.: ДМК Пресс, 2020. – 250–265 с.
6. Scikit-learn: Machine Learning in Python [Электронный ресурс]. – URL: https://scikit-learn.org/stable/ (дата обращения: 20.11.2025).
7. База данных «Fake News» для тренировки моделей машинного обучения [Электронный ресурс]. – Kaggle. – URL: https://www.kaggle.com/datasets (дата обращения: 20.11.2025).
8. Gupta S. A Comprehensive Guide to Understand and Implement Text Classification in Python [Электронный ресурс]. – Analytics Vidhya, 2018. – URL: https://www.analyticsvidhya.com/blog/2018/04/a-comprehensive-guide-to-understandand-implement-text-classification-in-python/ (дата обращения: 23.11.2025).
Корнеев А.С., студент группы СГН3‐33Б МГТУ им. Н.Э. Баумана / Аналитические технологии в социальной сфере: теория и практика: Сб. статей / Кафедра «Информационная аналитика и политические технологии» МГТУ имени Н.Э. Баумана; Научно-исследовательский центр проблем национальной безопасности / под общ. ред. И.В. Бочарникова, В.Н. Ремарчука. – М.: Изд-во НИЦ «Национальная безопасность», (Вып. 19), 2025. – С.95-100.