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：2018
期号：2
页码：93-105
DOI：10.31866/2617-796x.2.2018.155667
出版社：KNUKiM Publishing Centre
摘要：Принимая во внимание последние события в нашей стране, можно утверждать, что сеть Интернет постепенно стала источником угроз информационной безопасности человека, общества, государства, поскольку распространение в глобальной сети сомнительного и необъективного контента вместе с технологиями информационно-психологического влияния на сознание индивидов может способствовать возникновению в обществе недовольства действующей государственной властью, межнациональных конфликтов, социальной агрессии и тому подобное. Целью исследования является обзор методов ориентированных на повышение достоверности выявления негативных информационно-психологических влияний в социальных интернет-сервисах путем осуществления автоматизированного анализа текстового контента. Методы исследования. В ходе исследования использовались методы теории анализа социальных сетей (Social Network Analysis, SNA), методы обработки естественного языка (Natural Language Processing, NLP), методы машинного обучения (Machine Learning), в том числе глубокого обучения (Deep Learning). Научная новизна полученных результатов заключается в том, что в работе впервые предложен метод применения моделей глубокого обучения к задаче анализа тональности текстовых данных, который отличается от существующих своей структурой, что позволяет повысить точность выявления информационно-психологических влияний в контенте социальных сетей. Выводы. Результаты исследования могут быть использованы при дальнейшей разработке средств автоматизированного выявления негативных информационно-психологических влияний.↓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 інтернет-сервісах 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.
其他摘要：Having regard to the last events in our country, it is possible to assert that network the Internet gradually became the source of threats to informative safety of man, society, state, as distribution in the global network of doubtful and biased content together with technologies of informatively-psychological influence on consciousness of individuals can assist an origin in society of dissatisfaction by operating state power, international conflicts, social aggression and others like that. The purpose of the article is to review method oriented to increase authenticity exposure negative informatively-psychological influence in social internet-service by realization automated analysis text content. Research methods . During research the methods of theory of social networks analysis (Social Network Analysis, SNA), methods of treatment of human language (Natural Language Processing, NLP), and methods of machine studies (Machine Learning), including deep studies (Deep Learning) have been used. The scientific novelty of the got results consists in that in-process first the method of application of deep studies models offers to the analysis task of the
