Аналіз методів виявлення інформаційно-психологічного впливув соціальних мережах

Скорочена інформація про документ
dc.contributor.authorПокровська, Валерія Олександрівна
dc.date.accessioned2023-04-04T09:49:47Z
dc.date.available2023-04-04T09:49:47Z
dc.date.issued2020
dc.description.abstractПроаналізовано методи за допомогою яких можливе здійснення автоматичного аналізування контенту в соціальних мережах для виявлення інформаційно-психологічного впливу. На основі проведених досліджень були визначені особливості функціонування віртуальних спільнот у соціальних мережах. Віртуальні спільноти є об’єктами і засобами зовнішнього інформаційного управління і ареною інформаційного протиборства на різних рівнях. Вони стали ідеальним інструментом інформаційно-психологічного впливу на національні інтереси держави, суспільства в інформаційному та кіберпросторі, в цілому. Задля попередження та протидії зворушень серед суспільства необхідно постійно контролювати наявність негативного інформаційно-психологічного впливу в спільнотах, аби мати змогу протистояти йому. До методів виявлення інформаційно-психологічного впливу віднесено методи на основі використання лексем і машинного навчання з вчителем, а саме: метод опорних векторів, наївний класифікатор Байєса, дерева прийняття рішень, метод максимальної ентропії та нейронні мережі. Кожен з проаналізованих методів має свої переваги та недоліки, особливості використання, які необхідно врахувати під час вибору методу виявлення інформаційно-психологічного впливу в соціальних мережах. Серед розглянутих методів автоматичного аналізу контенту найбільш дієвим є метод машинного навчання на основі використання нейронних мереж. Використання даного методу не передбачає попередньої обробки тексту, не потребує складання словників, супроводжується існуванням можливості класифікації за декількома різними категоріями. Це дозволяє виявляти різні види інформаційно-психологічного впливу шляхом навчання мережі з появою нової інформації. Так, враховується оновлення контенту в соціальних мережах. При цьому встановлено, що на відміну від нейронних мереж, використання дерев прийняття рішень для виявлення інформаційно-психологічного впливу на практиці обмежене. Така обмеженість обумовлена складністю підтримання інкриментного навчання. Можна взяти великий обсяг даних та побудувати для нього дерево рішень. Однак, врахувати нові повідомлення при цьому не можливо, оскільки його доведеться щоразу навчати.uk
dc.description.abstractotherMethods with the help of which it is possible to carry out automatic content analysis in social networks for the detection information-psychological impact are analyzed. Based on the performed research, the features of the virtual communities functioning in social networks were determined. Virtual communities have become objects and tools of external information management and the information confrontation arena at different levels. They have become an ideal tool for information-psychological impact on the national interests of the state, society in the information, and cyberspace, in general. To prevent and counteract shocks in society, it is necessary to constantly monitor the presence of negative informational-psychological impact in communities to be able to resist it. Methods for detecting information-psychological impact include methods based on the use of lexemes and machine learning with a teacher, namely: support vector machine, the naive Bayes classifier, decision trees, the method of maximum entropy, and neural networks. Each of the analyzed methods has its own advantages and disadvantages, features of use, which must be taken into account when choosing a method for detecting information-psychological impact in social networks. Among the methods considered for automatic content analysis, the most effective method is a machine learning based on the use of neural networks. This method does not involve pre-processing of text, there is no need to create dictionaries, can classify into several categories. This allows identifying different types of information-psychological impact by training the network with new information. So, updates of content in social networks are taken into account. It has been established that unlike neural networks, the decision tree for detecting information-psychological impact cannot be used in practice. This limitation is due to the difficulty of maintaining incremental training. You can take a large amount of data and build a decision tree for it. However, it is impossible to take into account new messages, because you will have to teach it from scratch every time.uk
dc.format.pagerangePp. 40-48uk
dc.identifier.citationПокровська, В. Аналіз методів виявлення інформаційно-психологічного впливув соціальних мережах / Покровська Валерія Олександрівна // Information Technology and Security. – 2020. – Vol. 8, Iss. 1 (14). – Pp. 40–48. – Bibliogr.: 14 ref.uk
dc.identifier.doihttps://doi.org/10.20535/2411-1031.2020.8.1.218002
dc.identifier.issn2411-1031
dc.identifier.orcid0000-0002-1318-5521uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54263
dc.language.isoukuk
dc.publisherInstitute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”uk
dc.publisher.placeKyivuk
dc.relation.ispartofInformation Technology and Security : Ukrainian research papers collection, 2020, Vol. 8, Iss. 1 (14)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectinformation-psychological impactuk
dc.subjectmachine learninguk
dc.subjectneural networksuk
dc.subjectlexeme-oriented approachuk
dc.subjectsentiment analysisuk
dc.subjectінформаційно-психологічний впливuk
dc.subjectмашинне навчанняuk
dc.subjectнейронні мережіuk
dc.subjectлексемно-орієнтований підхідuk
dc.subjectавтоматичне аналізування тональність контентуuk
dc.subject.udc004.056.53::007.51uk
dc.titleАналіз методів виявлення інформаційно-психологічного впливув соціальних мережахuk
dc.title.alternativeAnalysis of information-psychological impact detection methodsin social networksuk
dc.typeArticleuk

Файли

Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Information Technology and Security, Vol. 8, Iss. 1 (14)