Методи виявлення інформаційно-психологічних впливів в соціальних мережах

Svitlana Khrushch; Veronika Ostrovska

doi:10.31866/2617-796x.2.1.2019.175655

Автор(и)

Svitlana Khrushch Київський національний університет культури і мистецтв, Ukraine https://orcid.org/0000-0001-9349-7762
Veronika Ostrovska Вінницький національний технічний університет, Ukraine https://orcid.org/0000-0002-2374-1501

DOI:

https://doi.org/10.31866/2617-796x.2.1.2019.175655

Ключові слова:

нейрон, нейронна мережа, аналіз даних, глибоке навчання, тролінг, тональність текстового контенту

Анотація

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 класс 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.

Біографії авторів

Svitlana Khrushch, Київський національний університет культури і мистецтв

Асистент

Veronika Ostrovska, Вінницький національний технічний університет

Магістр факультету інформаційних технологій та комп’ютерної інженерії

Посилання

Akulich, M.M., 2012. Internet-trolling: poniatie, soderzhanie i formy [Internet trolling: concept, content and forms]. Vestnik Tiumenskogo gosudarstvennogo universiteta, 8, pp. 47–54.

Faraz, A., 2016. А сomparison of text Categorization methods. International Journal on Natural Language Computing, 5(1), рр. 31–44.

Gorban, A.N., Dunin-Barkovskii, V. L. and Kirdin, A. N., 1998. Neiroinformatika [Neuroinformatics].Novosibirsk: Nauka.

Gromova, A. Politicheskii trolling v Ukrnete. Iuleboty atakuiut [Political trolling in Ukrnet. Yulebots attack]. [online] Available at: https://politiko.ua/blogpost41491 [Accessed 17 May 2019].

Hryshchuk, R.V. and Mamarev V.M., 2012. Metod optymizatsii rozmirnosti potoku vkhidnykh danykh dlia system zakhystu informatsii [A method for optimizing the dimension of the input stream for information security systems]. Informatsiina bezpeka, 2 (8), pp. 27–34.

Molodetska, K.V., 2016. Pidkhid do vyiavlennia orhanizatsiinykh oznak informatsiinykh operatsii u sotsialnykh internet-servisakh [An approach to identifying organizational features of information operations in social Internet services]. In: Priorytetni napriamky rozvytku telekomunikatsiinykh system ta merezh spetsialnoho pryznachennia. Zastosuvannia pidrozdiliv, kompleksiv, zasobiv zv’iazku ta avtomatyzatsii v ATO, IX Scientific and Practical Conference. Kyiv, Ukraine, 25 November 2016. Kyiv: VITI.

Molodetska-Hrynchuk, K.V., 2016. Metodyka vyiavlennia manipuliatsii suspilnoiu dumkoiu u sotsialnykh internet-servisakh [Methods for detecting public opinion manipulations in social internet services]. Informatsiina bezpeka, 4 (24), pp. 80–92.

Ostrovska, V.M. Trolinh yak zasib informatsiinoi viiny [Trolling as a means of information warfare].[online] Available at: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/20632/4071.pdf?sequence=3&isAllowed=y [Accessed 17 May 2019].

Voitovych, O.P., Dudatiev, A.V. and Holovenko, V.O., 2018. Model ta zasib dlia vyiavlennia feikovykh oblikovykh zapysiv u sotsialnykh merezhakh [Model and tool for detecting fake accounts on social networks]. Vcheni zapysky Tavriiskoho natsionalnoho universytetu im. V. I. Vernadskoho. Seriia: Tekhnichni nauky, 1 (29), pp. 112–119.

Volosiuk, Yu.V., 2014. Metody klasyfikatsii tekstovykh dokumentiv v zadachakh Text Mining [Methods for classifying text documents in Text Mining tasks]. Naukovi zapysky Ukrainskoho naukovo-doslidnoho instytutu zv’iazku, 6 (34), pp. 76–81.