У роботі пропонується практичний підхід до виявлення кібербулінгу із використанням нейронної мережі BiLSTM, навченої за допомогою хмарних сервісів та застосунку, що реалізовує запропонований метод виявлення кібербулінгу. Для дослідження ефективності запропонованого методу було створено об’єктно-орієнтовану програмну реалізацію середовища програмування PyCharm, а також ноутбук для виконання в хмарному сервісі «Google Colab» для навчання нейромережі.

У роботі запропоновано практичний підхід до виявлення гендерної приналежності за аналізом дописів інтернет-мереж із використанням SVM-класифікаторів. Для дослідження ефективності запропонованого методу було створено об’єктно-орієнтовану програмну реалізацію в середовищі програмування PyCharm, а також виконано даталогічне моделювання структури даних. Розроблений підхід показав високу ефективність, в порівнянні з існуючим аналогом його точність вища на 0.11. Перевагою методу є можливість працювати з короткими текстами, такими як твіти, без втрати точності. Одержані результати можуть бути актуальними для різноманітних застосувань, включаючи маркетингові дослідження, аналіз громадської думки, персоналізовану рекламу, політичні дослідження, й сприти створенню безпечних і толерантних вебсередовищ.

У роботі пропонується практичний підхід до виявлення аб’юзивного вмісту в україномовному аудіоконтенті на основі нового алгоритму, що використовує статистичний та нейромережевий підходи для виявлення аб’юзивного вмісту. Наведено результати аналізу практичної ефективності запропонованого підходу, що підтверджують спроможність виявлення аб’юзивного вмісту в україномовному аудіоконтенті.

The automation of propaganda detection processes in Internet content using natural language processing is extremely relevant in modern conditions and can provide fast and well-timed targeted detection of hostile manipulative influence in largescale amounts of Internet content. The paper proposes a method of automated propaganda detection that operates in the Ukrainian language. The method for detecting political propaganda in Internet content using ensemble of recurrent neural network models is intended to identify and analyze potentially propagandistic or manipulative content spread on the Internet. The input data of the method is an ensemble of trained models of recurrent neural networks with tokenizers and a text message for analysis. The output data are the level and percentage of propaganda presence for each neural network model of ensemble and in general. To examine the effectiveness of developed method for detecting political propaganda in Internet content, which includes the ensemble use of recurrent neural network models of the BiLSTM and GRU architectures, a software implementation of the method was created. The software implementation allows training neural network models and using them to detect political propaganda in textual Internet content. The training data set in Ukrainian was prepared. The applied efficiency research of propaganda detection by an ensemble of classifiers based on the BiLSTM and GRU recurrent neural network architectures was conducted. The proposed approach is capable of detecting political propaganda by an ensemble of RNN models with Accuracy 0.97, Precision 0.973, Recall 0.981, and F1 0.976 in the bagging mode, and Accuracy 0.95, Precision 0.977, Recall 0.987, and F1 0.981 in the stacking mode. The developed method has a limitation: it works with text posts from 200 to 6300 symbol long. For shorter and longer texts, performance degradation is observed.