Розробка методу визначення показників маніпуляції на основі морфорлогічного синтезу
DOI:
https://doi.org/10.15587/1729-4061.2022.258675Ключові слова:
морфологічний синтез, контент-аналіз текстових повідомлень, цільова аудиторія, маніпуляція, інформаційно-психологічний впливАнотація
Дослідження вчених щодо розробки методів виявлення ознак прихованої маніпуляції (деструктивного інформаційно-психологічного впливу) у текстових повідомленнях, які публікуються на сайтах у мережі Інтернет та розповсюджуються серед користувачів соціальних мереж є актуальними. Одній з головних проблем при розробці зазначених методів є складність формалізації процесу виявлення ознак маніпуляції у текстових повідомленнях агентів соціальних мереж. Для цього на основі морфологічного синтезу необхідно визначити відповідні показники, за якими проводиться аналіз текстових повідомлень, та критерії, за якими приймається рішення щодо наявності ознак маніпуляції у текстових повідомленнях.
На основі морфологічного синтезу розроблено метод визначення показників маніпуляції у текстових повідомленнях, який враховує досягнення сучасних технологій інтелектуального контент-аналізу текстових повідомлень, методів машинного навчання, нечіткої логіки та комп’ютерної лінгвістики, що дозволило обґрунтовано визначити групу показників для оцінювання текстових повідомлень щодо наявності в них ознак маніпуляції.
Етапи методу включають оцінювання текстового повідомлення на рівні сприйняття за показником читабельності тексту, на фонетичному рівні за показником емоційного впливу на підсвідомість, на графічному рівні за показником інтенсивності маркування тексту, та розрахунок інтегрального показника, за яким приймається рішення щодо наявності маніпуляції у текстовому повідомленні.
На основі запропонованого методу розроблено спеціалізоване програмне забезпечення, яке забезпечило на 13 % більшу точність оцінки повідомлень на предмет маніпулятивного впливу порівняно з відомим методом експертних оцінок, що зменшило вплив суб’єктивного фактору на результат оцінки
Посилання
- Holovka, A. (2016). Information threats in a globalized world: economics, politics, society (experience of Ukraine). Baltic Journal of Economic Studies, 2 (3), 42–47. doi: https://doi.org/10.30525/2256-0742/2016-2-3-42-47
- DeBenedictis, K. (2021). Russian “Hybrid Warfare” and the Annexation of Crimea. Bloomsbury Publishing. doi: https://doi.org/10.5040/9780755640027
- Haig, Z., Hajdu, V. (2017). New Ways in the Cognitive Dimension of Information Operations. Land Forces Academy Review, 22 (2), 94–102. doi: https://doi.org/10.1515/raft-2017-0013
- Forrest, J. (2021). Digital influence warfare in the age of social media. Praeger, 303.
- Levko, O. (2020). Precedent Units as a Means of Manipulation in Ukrainian Religious Media Discourse: Psycholinguistic Approach. Psycholinguistics, 28 (2), 99–127. doi: https://doi.org/10.31470/2309-1797-2020-28-2-99-127
- Vilko, V. M., Hrytsiuk, V. M., Dykun, V. H. et. al. (2012). Moralno-psykholohichne zabezpechennia u Zbroinykh Sylakh Ukrainy. Ch. 1. Kyiv: NUOU, 464.
- Kuprienko, D. A., Borovyk, O. V. (2015). Strukturnyi syntez dynamichnykh system iz kvaziliniinym i chasovym rozpodilennia komponentiv. Khmelnytskyi: Vydavnytstvo NADPSU, 348.
- Korobiichuk, I., Hryshchuk, R., Katsalap, V., Snitsarenko, P. (2019). Determination and Evaluation of Negative Informational and Psychological Influence on the Military Personnel Based on the Quantitative Measure. Proceedings of the 1st International Workshop on Control, Optimisation and Analytical Processing of Social Networks (COAPSN-2019). Lviv, 66–78. Available at: http://ceur-ws.org/Vol-2392/paper6.pdf
- Molodetska, K., Solonnikov, V., Voitko, O., Humeniuk, I., Matsko, O., Samchyshyn, O. (2021). Counteraction to information influence in social networking services by means of fuzzy logic system. International Journal of Electrical and Computer Engineering (IJECE), 11 (3), 2490. doi: https://doi.org/10.11591/ijece.v11i3.pp2490-2499
- Pysarchuk, O., Lahodnyi, O., Mikhieiev, Y. (2017). Statistical Analysis of the Activity of the Thematic Content on the Internet for Predicting the Development of Information Threats. Path of Science, 3 (8), 3011–3019. doi: https://doi.org/10.22178/pos.25-2
- Snitsarenko, P., Nakonechnyi, V., Mikhieiev, Y., Hrytsiuk, V. (2019). The approach to automated internet monitoring system creation. 2019 IEEE International Conference on Advanced Trends in Information Theory (ATIT). doi: https://doi.org/10.1109/atit49449.2019.9030446
- Palchuk, V. (2017). Methods of Content-Monitoring and Content-Analysis of Information Flows: Modern Features. Academic Papers of The Vernadsky National Library of Ukraine, 48, 506–526. doi: https://doi.org/10.15407/np.48.506
- Kolmogorova, A. V., Kalinin, A. A., Malikova, A. V. (2018). Linguistic principles and computational linguistics methods for the purposes of sentiment analysis of russian texts. Current Issues in Philology and Pedagogical Linguistics, 1 (29), 139–148. doi: https://doi.org/10.29025/2079-6021-2018-1(29)-139-148
- Molodetska-Hrynchuk, K. (2017). Outreaches content tracing technique for social networking services. Radio Electronics, Computer Science, Control, 2 (41), 117–126. doi: https://doi.org/10.15588/1607-3274-2017-2-13
- Ekshmidt, V. (2015). Verbal Manipulation: Persuasion and Suggestion. Movni i kontseptualni kartyny svitu, 1, 275–281. Available at: http://nbuv.gov.ua/UJRN/Mikks_2015_1_31
- Savchuk, V. S., Hryshchuk, R. V., Hryshchuk, O. M., Musienko, A. P. (2018). Intelligent system for evaluating destructive nature of text content of social networks based on fuzzy logic. Science-based technologies, 38 (2). doi: https://doi.org/10.18372/2310-5461.38.12838
- Lytvyn, V., Vysotska, V., Uhryn, D., Hrendus, M., Naum, O. (2018). Analysis of statistical methods for stable combinations determination of keywords identification. Eastern-European Journal of Enterprise Technologies, 2 (2 (92)), 23–37. doi: https://doi.org/10.15587/1729-4061.2018.126009
- Carrillo, M., López-López, A. (2010). Concept Based Representations as Complement of Bag of Words in Information Retrieval. IFIP Advances in Information and Communication Technology, 154–161. doi: https://doi.org/10.1007/978-3-642-16239-8_22
- Li, Y., McLean, D., Bandar, Z. A., O’Shea, J. D., Crockett, K. (2006). Sentence similarity based on semantic nets and corpus statistics. IEEE Transactions on Knowledge and Data Engineering, 18 (8), 1138–1150. doi: https://doi.org/10.1109/tkde.2006.130
- Mladenić, D., Grobelnik, M. (2013). Automatic text analysis by artificial intelligence. Informatica (Ljubljana), 37 (1), 27–33. Available at: https://www.dlib.si/details/URN:NBN:SI:DOC-DKCVOIFG
- Gutierrez, E., Karwowski, W., Fiok, K., Davahli, M. R., Liciaga, T., Ahram, T. (2021). Analysis of Human Behavior by Mining Textual Data: Current Research Topics and Analytical Techniques. Symmetry, 13 (7), 1276. doi: https://doi.org/10.3390/sym13071276
- Zhuravlev, A. P. (1991). Zvuk i smysl. Moscow: Prosveschenie, 160.
- Levytskyi, V. V. (1971). Chy isnuie universalnyi zvukosymvolizm? Movoznavstvo, 1, 25–37.
- Zhou, S., Jeong, H., Green, P. A. (2017). How Consistent Are the Best-Known Readability Equations in Estimating the Readability of Design Standards? IEEE Transactions on Professional Communication, 60 (1), 97–111. doi: https://doi.org/10.1109/tpc.2016.2635720
- Perazzoli, S., de Santana Neto, J. P., de Menezes, M. J. M. B. (2022). Systematic analysis of constellation-based techniques by using Natural Language Processing. Technological Forecasting and Social Change, 179, 121674. doi: https://doi.org/10.1016/j.techfore.2022.121674
- Coleman, M., Liau, T. L. (1975). A computer readability formula designed for machine scoring. Journal of Applied Psychology, 60 (2), 283–284. doi: https://doi.org/10.1037/h0076540
- Senter, R. J., Smith, E. A. (1967). Automated Readability Index. AMRL-TR-66-220. Wright-Patterson Air Force Base. Available at: https://apps.dtic.mil/sti/pdfs/AD0667273.pdf
- Sagi, E., Kaufmann, S., Clark, B. (2009). Semantic density analysis: comparing word meaning across time and phonetic space. Proceedings of the EACL 2009 Workshop on GEMS, 104–111. Available at: https://aclanthology.org/W09-0214.pdf
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Serhii Yevseiev, Vitaliy Katsalap, Yurii Mikhieiev, Vladyslava Savchuk, Yurii Pribyliev, Oleksandr Milov, Serhii Pohasii, Ivan Opirskyy, Nataliia Lukova-Chuiko, Ihor Korol
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
