Аңдатпа
Зерттеудің мақсаты – цифрлық коммуникациялардағы мәтіндік деректерден кибербуллинг белгілерін автоматты түрде анықтайтын терең оқыту әдістерінің тиімділігін салыстыру және неғұрлым нәтижелі нейрондық архитектураны айқындау. Кибербуллинг ақпараттық қоғамдағы өзекті әлеуметтік-психологиялық мәселелердің бірі болып табылады және әсіресе жасөспірімдер мен жастардың психоэмоциялық жағдайына кері әсер етеді. Әлеуметтік желілер мен онлайн-платформалардағы мәтіндік контент көлемінің өсуі қорлау, агрессия және қоқан-лоққы сипатындағы хабарламаларды ерте анықтайтын автоматтандырылған жүйелерді әзірлеуді талап етеді. Зерттеу барысында таңбаланған мәтіндер корпусы негізінде көпқабатты персептрон (MLP), конволюциялық нейрондық желі (CNN), рекуррентті нейрондық желі (RNN), қысқа және ұзақ мерзімді жад желісі (LSTM), сондай-ақ назар аудару механизмі бар терең нейрондық модель зерттелді. Модельдердің сапасы дәлдік, толықтық, оң болжамдардың дәлдігі және F1 өлшемі бойынша бағаланды. Нәтижелер MLP моделінің күрделі контекстік байланыстарды ескеруде шектеулі екенін, CNN архитектурасының жергілікті тілдік үлгілерді тиімді анықтайтынын, ал RNN және LSTM модельдерінің сөздер реттілігі мен ұзақ мерзімді тәуелділіктерді жақсы өңдейтінін көрсетті. Ең жоғары жіктеу сапасын назар аудару механизмі бар модель көрсетті, себебі ол агрессия, қорқыту және қорлау белгілері бар маңызды мәтін фрагменттеріне басымдық береді. Зерттеу нәтижелері модельдердің тиімділігі таңбаланған деректердің сапасы мен теңгерімділігіне тәуелді екенін көрсетті. Мәтінді алдын ала өңдеу, сөздерді біріздендіру және токендеу оқыту сапасын арттырды. Ұсынылған модельдерді нақты онлайн ортада қолдану үшін оларды жаңа деректер негізінде жүйелі түрде қайта оқыту қажет. Алгоритмдерді қазақ тілінің морфологиялық және семантикалық ерекшеліктеріне бейімдеу отандық цифрлық кеңістікті мониторингтеу сапасын жоғарылатады. Болашақта трансформерлік архитектураларды, көптілді деректер жиындарын және түсіндірілетін жасанды интеллект әдістерін пайдалану жоспарланады. Алынған нәтижелер кибербуллингті ерте анықтау және алдын алу жүйелерін жетілдіруде қолданылуы мүмкін.