期刊名称：Цифрова платформа: інформаційні технології в соціокультурній сфері
印刷版ISSN：2617-796X
电子版ISSN：2618-0049
出版年度：2019
卷号：2
期号：1
页码：60-74
DOI：10.31866/2617-796x.2.1.2019.175655
出版社：KNUKiM Publishing Centre
摘要：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.↓Целью статьи является создание системы анализа данных метода выявления троллинга путем определения тональности текстового контента социальных сетей; получение показателей, которые характеризуют наличие признаков троллинга в тексте; вычисление для этих показателей информационной энтропии текстового контента и сравнения ее числового значения с допустимым предельным. Методами исследования является анализ соответствия аналитических систем выдвинутым к ним требованиям и выявление преимуществ нейросетевого подхода в сравнении с традиционными математическими методами: математической статистики, кластерного, регрессионного, факторного анализа. Как интеллектуальную систему анализа данных, что наиболее удовлетворяет современным требованиям к аналитическим системам, в данной работе предлагается выбрать класс систем с использованием технологии нейросетевого анализа. Новизной проведенного исследования является построение искусственной нейросети, которое владеет следующими преимуществами: высокоэффективная параллельно-последовательная обработка информации, максимальный потенциальный параллелизм и наиболее эффективное использование любой параллельной вычислительной архитектуры, в сравнении с другими вычислительными технологиями. Вывод. Массовый параллелизм нейровычислений, необходимый для эффективной обработки образов, обеспечивается локальностью обработки информации в нейросетях. Каждый нейрон реагирует лишь на локальную информацию, которая поступает к нему в данный момент от повъъязаних с ним таких же нейронов, без апелляции к общему плану вычислений. Таким образом, нейросетевые алгоритмы локальные, и нейроны способны функционировать параллельно.
其他摘要：Purpose of the article is creation of the system of analysis of data of method of exposure of trolingu by determination of the
