Метою статті є створення системи аналізу даних методу виявлення тролінгу шляхом визначення тональності текстового контенту соціальних мереж; отримання показників, які характеризують наявність ознак тролінгу в тексті; обчислення для цих показників інформаційної ентропії текстового контенту та порівняння її числового значення із допустимим граничним. Методами дослідження є аналіз відповідності аналітичних систем висунутим до них вимогам і виявлення переваг нейромережевого підходу порівняно з традиційними математичними методами: математичної статистики, кластерного, регресійного, факторного аналізу. Як інтелектуальну систему аналізу даних, що найбільш задовольняє сучасним вимогам до аналітичних систем, в даній роботі пропонується вибрати клас систем з використанням технології нейромережевого аналізу. Новизною проведеного дослідження є побудова штучної нейромережі, яка володіє наступними перевагами: високоефективна паралельно-послідовна обробка інформації, максимальний потенційний паралелізм і найбільш ефективне використання будь-якої паралельної обчислювальної архітектури у порівнянні з іншими обчислювальними технологіями. Висновок. Масовий паралелізм нейрообчислень, необхідний для ефективної обробки образів, забезпечується локальністю обробки інформації в нейромережах. Кожен нейрон реагує лише на локальну інформацію, що надходить до нього в даний момент від пов'язаних з ним таких же нейронів, без апеляції до загального плану обчислень. Таким чином, нейромережеві алгоритми локальні, і нейрони здатні функціонувати паралельно. Ключові слова: нейрон; нейронна мережа; аналіз даних; глибоке навчання; тролінг; тональність текстового контенту.
Беручи до уваги останні події в нашій країні, можна стверджувати, що мережа Інтернет поступово стала джерелом загроз інформаційній безпеці людини, суспільства, держави, оскільки поширення у глобальній мережі сумнівного та необ'єктивного контенту разом із технологіями інформаційно-психологічного впливу на свідомість індивідів може сприяти виникненню у суспільстві невдоволення діючою державною владою, міжнаціональних конфліктів, соціальної агресії тощо Метою дослідження є огляд методів орієнтованих на підвищення достовірності виявлення негативних інформаційно-психологічних впливів у соціальних інтернетсервісах шляхом здійснення автоматизованого аналізу текстового контенту. Методи дослідження. В ході дослідження використовувалися методи теорії аналізу соціальних мереж (Social Network Analysis, SNA), методи обробки природної мови (Natural Language Processing, NLP), методи машинного навчання (Machine Learning), в тому числі глибокого навчання (Deep Learning). Наукова новизна одержаних результатів полягає в тому, що в роботі вперше запропоновано метод застосування моделей глибокого навчання до задачі аналізу тональності текстових даних, який відрізняється від існуючих своєю структурою, що дозволяє підвищити точність виявлення інформаційно-психологічних впливів у контенті соцільних мереж. Висновки. Результати дослідження можуть бути використані при подальшій розробці засобів автоматизованого виявлення негативних інформаційно-психологічних впливів.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.