Methods of Exposure Informatively Psychological Influences in Social Networks

Abstract

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.

Sustainable Management of Digital Transformation in Higher Education: Global Research Trends

“…Thus, in relation to the open and collaborative nature of the digital society, new studies emerge about the inclusion of digital technology in HE. That is, digital education allows the student to have a shared learning through the digital platforms [122,123]. Figure 7 shows the network of keywords on the sustainable management of DT in HE, based on co-occurrence.…”