2025, випуск 1, c. 81-88
Одержано 30.01.2025; Виправлено 14.02.2025; Прийнято 25.03.2025
Надруковано 28.03.2025; Вперше Online 30.03.2025
https://doi.org/10.34229/2707-451X.25.1.8
Попередня | ПОВНИЙ ТЕКСТ | Наступна
Використання методів машинного навчання для розробки системи соціальної динаміки
В.В. Третиник 1 * 
, Ю.А. Надь 2
1 НТУУ «КПІ ім. Ігоря Сікорського»
2 GXperts GmbH, Відень
* Листування: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.
Вступ. Сучасний світ характеризується швидкими змінами і частими критичними ситуаціями. Людство стикається із все більш складними викликами, такими як пандемії, війни, що можуть призвести до соціальної напруженості. Мати засоби для моніторингу і виміру напруженості дозволяє як суспільству, так і державі, реагувати вчасно та адекватно на ці виклики. Напруженість призводить до соціальних конфліктів, політичних криз, економічних спадів. Мати систему для виміру напруженості допомагає розуміти, які чинники сприяють напруженості, і вживати заходів для попередження чи пом'якшення наслідків. Тож актуально розробляти інструменти для виміру напруженості суспільства, оскільки це є важливим кроком у напрямку розуміння та управління соціальною динамікою.
Мета роботи – застосування методів машинного навчання та нейролінгвістичного програмування для задачі аналізу думок користувачів Інтернет для передбачення соціальної напруженості в суспільстві.
Результати. У даній роботі для аналізу задач соціальної динаміки запропоновано скомбінувати підхід із застосуванням векторного представлення слів та модель кластеризації, щоб найточніше задовольнити потреби розроблюваної програми, яка оперує відкритими непоміченими текстовими даними українською мовою. У роботі розроблено архітектуру та програмне забезпечення системи соціальної динаміки на основі методів машинного навчання. Проведено розбиття на чотири модулі: обробка текстових даних, тренування моделі Word2Vec, тренування моделі K-Means та користувацький інтерфейс; проведено навчання моделей із різними гіперпараметрами, налаштованими вручну. Наведено графік напруженості суспільства, що показує тенденції соціальної динаміки українців.
Ключові слова: аналіз напруженості, соціальна динаміка, машинне навчання, обробка текстових даних, word2vec, k-means.
Цитувати так: Третиник В.В., Надь Ю.А. Використання методів машинного навчання для розробки системи соціальної динаміки. Cybernetics and Computer Technologies. 2025. 1. С. 81–88. https://doi.org/10.34229/2707-451X.25.1.8
Список літератури
1. Harshali P.P., Atique M. Sentiment Analysis for Social Media: A Survey. 2nd International Conference on Information Science and Security (ICISS), 14-16 December 2015, Seoul, Korea (South). https://doi.org/10.1109/ICISSEC.2015.7371033
2. Kapil P., Ekbal A., Das D. Investigating Deep Learning Approaches for Hate Speech Detection in Social Media. International Conference on Computational Linguistics and Intelligent Text Processing, 2019. https://doi.org/10.48550/arXiv.2005.14690
3. Macis L., Tagliapietra M., Meo R., Pisano P. Breaking the trend: Anomaly detection models for early warning of socio-political unrest. Technological Forecasting and Social Change. Vol. 206. 2024.
4. Redl C., Hlatshwayo S. Forecasting Social Unrest: A Machine Learning Approach. International Monetary Fund. 2021. Vol. 2021, Iss. 263. P. 29. https://doi.org/10.5089/9781557758873.001
5. Shchoholiev M., Tretynyk V. The System of Determining the Overall Estimate of the Level of Tension in Society. Digital Transformation, Cyber Security and Resilience of Modern Societies, Studies in Big Data. Vol. 84. P. 475–485. https://doi.org/10.1007/978-3-030-65722-2
6. Dataminr: About us. https://www.dataminr.com/about (звернення: 30.01.2025)
7. Crisis Monitor. https://www.cbs.nl/en-gb/about-us/innovation/project/social-tensions-indicator-gauging-society (звернення: 30.01.2025)
8. Brandwatch Overview. https://www.brandwatch.com/ (звернення: 30.01.2025)
ISSN 2707-451X (Online)
ISSN 2707-4501 (Print)
Попередня | ПОВНИЙ ТЕКСТ | Наступна