Підхід до нейромережевого виявлення мови ворожнечі у зашумлених тексових повідомленнях
| dc.contributor.author | Боярчук, І.О. | |
| dc.contributor.author | Молчанова, М.О. | |
| dc.date.accessioned | 2025-12-05T14:05:16Z | |
| dc.date.available | 2025-12-05T14:05:16Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | У роботі розглянуто нейромережевий підхід до виявлення мови ворожнечі у зашумлених текстових повідомленнях соціальних мереж і месенджерів, де широко присутні орфографічні відхилення, суржик, емодзі, транслітерація та змішані мовні коди. Метою є підвищення точності та стійкості класифікації за рахунок адаптації моделі до спотворених і навмисно маскованих мовних конструкцій. Запропоновано двоетапний конвеєр: на першому етапі формується контрольовано зашумлений корпус на основі анотованого набору «Hate Speech Detection curated Dataset» з побудовою чистої та зашумленої підвибірок; на другому – здійснюється поетапне донавчання трансформерної моделі типу BERT/RoBERTa з мінімальною нормалізацією тексту. Результати підтверджують доцільність включення параметризованих шумових операторів у навчальний цикл та окреслюють перспективи використання підходу у сервісах модерації контенту й моніторингу інформаційної безпеки. | |
| dc.identifier.citation | Боярчук І.О., Молчанова М.О. Підхід до нейромережевого виявлення мови ворожнечі у зашумлених тексових повідомленнях. Збірник наукових праць за матеріалами XVII Всеукраїнської науково-практичної конференції «Актуальні проблеми комп’ютерних наук АПКН-2025», 14-15 листопада 2025. Хмельницький, 2025. С. 46-51. | |
| dc.identifier.uri | https://elar.khmnu.edu.ua/handle/123456789/19877 | |
| dc.language.iso | uk | |
| dc.title | Підхід до нейромережевого виявлення мови ворожнечі у зашумлених тексових повідомленнях | |
| dc.type | Стаття |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- apkn-2025_corpuspaper-46-51.pdf
- Розмір:
- 454.64 KB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
- Назва:
- license.txt
- Розмір:
- 4.26 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: