ПРОТИВОДЕЙСТВИЕ КИБЕРБУЛЛИНГУ В СОЦИАЛЬНЫХ СЕТЯХ

Владимир Л. Евсеев, Руфия Ш. Садекова

Аннотация


Статья посвящена разработке программы определения тональности текста. В статье обосновывается актуальность защиты социума от кибербуллинга. Анализируются методы противодействия кибербуллингу. Введен показатель негативности информации сайта. Подробно рассмотрена работа блокировщика сайтов. Обосновано использование сентимент-анализа, в основе которого лежит использование нейронных сетей. Для сентимент-анализа информационных потоков разработана программа на высокоуровневом языке программирования Python с внедрением в нее готовых обученных нейронных сетей. Используется словарь по стемам. Информационные потоки разбиты на токены, представленные в виде векторов. Приведены примеры нейронных сетей для определения тональности текста. Проведено сравнение результатов выполнения кодов анализа текста по вероятности получения правильного уровня негативности текста. Обосновывается целесообразность использования блокировщиков сайтов, как методов для защиты от кибербуллинга, и использование датасетов для обучения нейронных сетей.


Ключевые слова


кибербуллинг, блокировщик сайтов, межсетевой экран, негативная информация, анализ тональности текста, сентимент-анализ, нейронные сети, стемы.

Полный текст:

PDF

Литература


1. Volkova O.V., Shesternya P.A. Parallel pandemic: psychological facilitation in medical assistance // Сибирский психологический журнал. 2020. № 78. С. 156–167.
URL: https://cyberleninka.ru/article/n/parallel-pandemic-psychological-facilitation-in-medical-assistance (дата обращения: 02.03.2021).
DOI: http://dx.doi.org/10.17223/17267080/78/10.

2. Мацкевич И.М., Бочкарева Е.В. Пандемия и криминализация общества: как помешать появлению порочного круга. Часть 1 // Мониторинг правоприменения. 2020.
URL: https://cyberleninka.ru/article/n/pandemiya-i-kriminalizatsiya-obschestva-kak-pomeshat-poyavleniyu-porochnogo-kruga-chast-1 (дата обращения: 02.03.2021). DOI: http://dx.doi.org/10.21681/2226-0692-2020-3-81-87.

3. Sobkin V.S., Fedotova A.V. Teenagers in social networks: patterns of usage and aggressiveness // Journal of Siberian Federal University. Humanities & Social Sciences. 2019. № 9. P. 1733–1752.
URL: https://cyberleninka.ru/article/n/teenagers-in-social-networks-patterns-of-usage-and-aggressiveness (дата обращения: 02.03.2021). DOI: http://dx.doi.org/10.17516/1997-1370-0480.

4. Зинцова А.С. Социальная профилактика кибербуллинга. Вестник Нижегородского университета
им. Н.И. Лобачевского. 2014. № 3. С. 122–128.
URL: https://cyberleninka.ru/article/n/sotsialnaya-profilaktika-kiberbullinga (дата обращения: 02.03.2021).

5. Волкова Е.Н., Цветкова Л.А., Волкова И.В. Методологические основания для разработки программ профилактики подросткового буллинга // Сибирский психологический журнал. 2019. № 74. С. 88–100. URL: https://cyberleninka.ru/article/n/metodologicheskie-osnovaniya-dlya-razrabotki-programm-profilaktiki-podrostkovogo-bullinga (дата обращения: 07.03.2021). DOI: http://dx.doi.org/10.17223/17267080/74/5.

6. Барей Н.С., Мальцева В.А. Информационная безопасность детей в виртуальном пространстве. Кибербуллинг как стигматизационный фактор // Теория и практика общественного развития.
2020. 1 (143). URL: https://cyberleninka.ru/article/n/informatsionnaya-bezopasnost-detey-v-virtualnom-prostranstve-kiberbulling-kak-stigmatizatsionnyy-faktor-1 (дата обращения: 02.03.2021).

7. Пахонина Е.В. К проблеме дистанционной коммуникации. Международный научно-исследовательский журнал. 2020. № 9–2 (99). URL: https://cyberleninka.ru/article/n/k-probleme-distantsionnoy-kommunikatsii (дата обращения: 04.03.2021). DOI: http://dx.doi.org/10.23670/IRJ.2020.99.9.048.

8. McMahon R., Bennett I. U.S. Internet Providers and the «Great Firewall of China» // Council on Foreign Relations. 23.02.2011.
URL: https://www.cfr.org/backgrounder/us-internet-providers-and-great-firewall-china (дата обращения: 10.03.2021).

9. Shah A. Sentiment analysis of product reviews using supervised learning // RT&A. 2021. №SI 1 (60).
URL: https://cyberleninka.ru/article/n/sentiment-analysis-of-product-reviews-using-supervised-learning (дата обращения: 07.03.2021).

10. Sak H., Senior A., Beaufays F. Long short-term memory recurrent neural network architectures for large-scale acoustic modeling // Proceedings of the Annual Conference of the International Speech Communication Association. 2014. P. 338–342. URL: https://www.isca-speech.org/archive/archive_papers/interspeech_2014/i14_0338.pdf (дата обращения: 07.03.2021).

11. Силаева А.Э., Габриелян Г.А., Исаева И.А., Никульчев Е.В. Интеллектуальный анализ текстовых ответов в массовых опросах // Cloud of Science. 2019. № 4.
URL: https://cyberleninka.ru/article/n/intellektualnyy-analiz-tekstovyh-otvetov-v-massovyh-oprosah (дата обращения: 07.03.2021).

12. Rogers A., Romanov A., Rumshisky A., Volkova S., Gronas M., Gribov A. RuSentiment: An Enriched Sentiment Analysis Dataset for Social Media in Russian // Proceedings of the 27th International Conference on Computational Linguistics. 2018. P. 755–763.
URL: https://www.aclweb.org/anthology/C18-1064.pdf (дата обращения: 07.03.2021).

13. Druki A.A., Spitsyn V.G., Arkalykov E.U. Semantic segmentation algorithms of the earth’s surface pictures based on neural network methods // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2020. № 51. URL: https://cyberleninka.ru/article/n/algoritmy-semanticheskoy-segmentatsii-snimkov-zemnoy-poverhnosti-na-osnove-neyronnyh-setey (дата обращения: 07.03.2021).
DOI: http://dx.doi.org/10.17223/19988605/51/8.

14. Рубцова Ю.В. Построение корпуса текстов для настройки тонового классификатора // Программные продукты и системы. 2015. № 1 (109). С. 72–78.
URL: http://www.swsys.ru/index.php?page=article&id=3962〈= (дата обращения: 05.03.2021).
DOI: http://dx.doi.org/10.15827/0236-235X.109.072-078.

15. Karuchit W. Negative effects of digital media on Thai youngsters: Case studies from Thailand and abroad // International Journal of Media and Information Literacy. 2016. № 2.
URL: https://cyberleninka.ru/article/n/negative-effects-of-digital-media-on-thai-youngsters-case-studies-from-thailand-and-abroad (дата обращения: 05.03.2021).
DOI: http://dx.doi.org/10.13187/ijmil.2016.2.122.




DOI: http://dx.doi.org/10.26583/bit.2021.3.08

Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.