Онлайн әлеуметтiк желiлерi бейнелерiн өңдеу арқылы саяси экстремизмдi анықтау моделi
DOI:
https://doi.org/10.26577/JMMCS2023v119i3a8Кілттік сөздер:
әлеуметтiк желiлер, саяси экстремизмдi анықтау, суреттер, контрастты түзету, вейвлеттiк талдауАннотация
Ғылыми зерттеу интернет әлеуметтiк желiлердегi саяси экстремизмге шақыруларды танудың
маңызды ғылыми-тәжiрибелiк мәселесiн шешуге арналған, олар бүгiнгi күнi өзiнiң жоғары
танымалдылығына байланысты осындай шақыруларды таратудың негiзгi тәсiлдерiнiң бiрi
болып табылады. Әлеуметтiк желiлердегi саяси экстремизмге шақыруларды анықтаудың
заманауи құралдары негiзiнен олардағы мәтiндiк хабарламаларды семантикалық талдауға
бағытталғаны көрсетiлген. Сонымен қатар, заманауи онлайн-әлеуметтiк желiлерде графика-
лық ресурстар кең таралып, мұндай шақырулар жасауға кең мүмкiндiктер бердi. Нейрондық
желiнi талдау арқылы кескiндер мен бейнематериалдардағы деструктивтi мазмұнды анықтау мүмкiндiгi қарастырылады. Нейрондық желiнi тану тиiмдiлiгiн арттыру мүмкiндiгi кескiн-
дердiң жарықтығы мен контрастын реттеуге, сондай-ақ бейне жазу кезiнде әдеттегi шуды жоюға мүмкiндiк беретiн кескiндi алдын ала өңдеудiң әзiрленген моделiнiң арқасында аны- қталды. Модельдiң өзiндiк ерекшелiгi типтiк шуды сүзу үшiн толқындық түрлендiру аппара- тын қолдануда, сондай-ақ көршiлес аймақтың жергiлiктi контрастына негiзделген адаптивтi контрастты түзету үшiн әзiрленген математикалық аппаратта жатыр. Әзiрленген кескiндi алдын ала өңдеу моделiн қолдану әлеуметтiк желiде орналастырылған суреттер мен бей- нематериалдардағы экстремизмге шақыруларды нейрондық желi арқылы тану дәлдiгiн ша- мамен 12 пайызға арттыруға мүмкiндiк беретiнi көрсетiлген. Әрi қарай зерттеу жолдарын онлайн әлеуметтiк желiлердегi суреттер мен бейнелердiң өлшемдерiнiң кең өзгеруiне бейiм- делген нейрондық желi моделiн жасаумен байланыстырған жөн.
Библиографиялық сілтемелер
https://unesdoc.unesco.org/ark:/48223/pf0000260382/PDF/260382eng.pdf.multi
https://www.sciencedirect.com/science/article/abs/pii/S0736585320300046
https://www.sciencedirect.com/science/article/pii/S2666307423000025
https://www.sciencedirect.com/science/article/abs/pii/S0736585323000357
https://www.sciencedirect.com/science/article/abs/pii/S1568494623002557
https://www.worldscientific.com/doi/10.1142/S021964922350003X
O. Oksiiuk, L. Tereikovska and I. Tereikovskiy, "Determination of expected output signals of the neural network model intended for image recognition", 4th International Scientific-Practical Conference "Problems of Infocommunications Science and Technology", Ukraine, Kharkiv. October 10–13, 2017.
H. Zhengbing, I. Tereykovskiy, L. Tereykovska, V. Pogorelov, "Determination of structural parameters of multilayer perceptron designed to estimate parameters of technical systems ", Intelligent Systems and Applications, 10 (2017): 57–62.
Z. Hu, I. Tereykovskiy, Y. Zorin, L. Tereykovska, "Optimization of convolutional neural network structure for biometric authentication by face geometry ", Advances in Intelligent Systems and Computing, 754 (2018): 567–577.
L.O. Tereikovska, Metodologiya avtomatizovanogo rozpiznavannya emociynogo stanu sluhachiv sistemi distanciynogo navchannya, dis. dokt. tekhn. nauk, 05.13.06. Kiyv (2023): 395.
https://www.undp.org/sites/g/files/zskgke326/files/publications/Discussion%20Paper%20- %20Preventing%20Violent%20 Extremism%20by%20Promoting%20Inclusive%20%20Development.pdf
https://library.oapen.org/bitstream/handle/20.500.12657/58012/1/book.pdf
I. Kurilin et al., "Fast algorithm for visibility enhancement of the images with low local contrast " , IS&T/SPIE Electronic
Imaging. International Society for Optics and Photonics, (2015): 93950B-93950B-9.
J.R.R. Uijlings et al., "Selective search for object recognition" , International journal of computer vision, 104 (2) (2013):
–171.
https://www.osce.org/files/f/documents/2/2/400241_1.pdf
https://www.researchgate.net/publication/312336397_Preprocessing_for_image_classification_by_convolutional_ neural_networks
K.K. Pal and K.S. Sudeep, "Preprocessing for image classification by convolutional neural networks" , IEEE International Conference on Recent Trends in Electronics, Information Communication Technology (RTEICT), (2016): 1778–1781.
https://www.sciencedirect.com/science/article/pii/S0141118722003352
https://www.researchgate.net/publication/365726702_Bilinear_and_Bicubic_Interpolations_for_Image_Presentation_ of_Mechanical_Stress_and_Temperature_Distribution
M. Soliman, M. Kamal, M. Nashed, Y. Mostafa, B. Chawky, D. Khattab, "Violence Recognition from Videos using Deep Learning Techniques", Proc. 9th International Conference on Intelligent Computing and Information Systems (ICICIS’19), Cairo, (2019): 79–84.
S. Toliupa, I. Tereikovskyi, L. Tereikovska, S. Mussiraliyeva and K. Bagitova, "Deep Neural Network Model for Recognition of Speaker’s Emotion", IEEE International Conference on Problems of Infocommunications. Science and Technology (PIC S&T), Kharkiv, Ukraine (2020): 172–176. Doi: 10.1109/PICST51311.2020.9468017.
Sh. Mussiraliyeva, K. Bagitova and D. Sultan, "Social Media Mining to Detect Online Violent Extremism using Machine Learning Techniques" , International Journal of Advanced Computer Science and Applications (IJACSA), 14(6) (2023). http://dx.doi.org/10.14569/IJACSA.2023.01406146
Sh. Mussiraliyeva, M. Bolatbek, B. Omarov & K. Bagitova, Detection of Extremist Ideation on Social Media Using Machine Learning Techniques (2020). Doi: 10.1007/978-3-030-63007-2_58.
