Е. А. Рабчевский – директор, ООО «СЕУСЛАБ» (г. Пермь, Россия)

E-mail: e.rabchevskiy@seuslab.ru

А. Н. Рабчевский – технический директор, ООО «СЕУСЛАБ» (г. Пермь, Россия)

E-mail: a.rabchevskiy@seuslab.ru

В. С. Заякин – программист, ООО «СЕУСЛАБ» (г. Пермь, Россия)

E-mail: v.zayakin@seuslab.ru

Л. Н. Ясницкий – д.т.н., профессор, кафедра прикладной математики и информатики, Пермский государственный национальный исследовательский университет (г. Пермь, Россия)

E-mail: yasn@psu.ru

Постановка проблемы. В связи с современными успехами телекоммуникационных технологий все большую актуальность приобретает проблема контроля распространения в социальных сетях деструктивной информации и вовлечения пользователей в социально опасные явления и процессы.

Цель. Создать интеллектуальную систему, позволяющую определять роль, которую играют пользователи социальных сетей в формировании и распространении информации, и рассмотреть экспертный способ формирования обучающих выборок.

Результаты. Отмечено, что создание такой системы наталкивается на трудности, связанные с получением примеров поведения предметной области в объеме, достаточном для качественного обучения нейронной сети. Для решения этой проблемы применяется оригинальный способ, названный экспертным. Суть этого способа состоит в том, что примеры для обучения нейронной сети создаются экспертом, который закладывает в них свои знания о предметной области. Причем эксперт задает не отдельные числа, характеризующие поведение предметной области, а интервалы, в пределах которых они могут изменяться. Сами же значения параметров предметной области генерируются датчиком случайных чисел в пределах, заданных экспертом. Нейронная сеть, созданная таким способом, может быть использована при решении задач предотвращения распространения в социальных сетях деструктивной информации и вовлечения пользователей в социально опасные явления и процессы, а также для проведения маркетинговых и социологических исследований.

Практическая значимость. Развиваемый в статье экспертный способ рекомендуется использовать при выполнении нейросетевых проектов в случаях, когда применение других способов формирования примеров поведения предметных областей затруднено. Кроме того, этот способ иногда полезно сочетать с классическими способами для усиления полезных сил синаптических связей нейронных сетей.

Рабчевский Е.А., Рабчевский А.Н., Заякин В.С., Ясницкий Л.Н. Экспертный способ формирования обучающих выборок на примере создания нейросетевой системы классификации пользователей социальных сетей // Нейрокомпьютеры: разработка, применение. 2020. Т. 22. № 5. С. 54–63. DOI: 10.18127/j19998554-202005-05.

1. Ясницкий Л.Н. Интеллектуальные системы. Учебник. М.: Лаборатория знаний. 2016.
2. Осовский С. Нейронные сети для обработки информации: Пер. с польского. М.: Финансы и статистика. 2002.
3. Румянцев М.А., Ясницкий Л.Н. Повышение качества обобщения нейронной сети с помощью добавления шума в обучающую выборку на примере задачи определения прочности бетона по составу входящих в него компонентов // В сб.: Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века. Ч. I. Сб. статей по материалам Четвертой Всерос. науч.-практич. конф., проводимой в рамках Пермского естественнонаучного форума «Математика и глобальные вызовы XXI века». 2019. С. 57–62.
4. Arularasan A.N., Suresh A., Seerangan K. Identification and classification of best spreader in the domain of interest over the social networks // Cluster Computing. 2019. V. 22. P. 4035–4044. DOI: 10.1007/s10586-018-2616-y.
5. Doran D. On the discovery of social roles in large scale social systems // Social Network Analysis and Mining. 2015. V. 5. № 49. DOI: 10.1007/s13278-015-0290-0.
6. Ruas P.H.B., Machado A.D., Silva M.C., Meireles M.R.G., Cardoso A.M.P., Zárate L.E., Nobre C.N. Identification and characterization of Facebook user profiles considering interaction aspect // Behaviour & Information Technology. 2019. V. 38. № 8. P. 858–872. DOI: 10.1080/0144929X.2019.1566498.
7. Свидетельство Роспатент о гос. регистрации программы для ЭВМ № 2014618208. Нейросимулятор 5.0 / Ф.М. Черепанов, Л.Н. Ясницкий. 12.07.2014.
8. Ясницкий Л.Н., Бржевская А.С., Черепанов Ф.М. О возможностях применения методов искусственного интеллекта в сфере туризма // Сервис plus. 2010. № 4. С. 111–115.
9. Ясницкий Л.Н., Ваулева С.В., Сафонова Д.Н., Черепанов Ф.М. Использование методов искусственного интеллекта в изучении личности серийных убийц // Криминологический журнал Байкальского государственного университета экономики и права. 2015. Т. 9. № 3. С. 423–430. DOI: 10.17150/1996-7756.2015.9(3).423-430.
10. Ясницкий Л.Н., Грацилев В.И., Куляшова Ю.С., Черепанов Ф.М. Возможности моделирования предрасположенности к наркозависимости методами искусственного интеллекта // Вестник Пермского университета. Сер. «Философия. Психология. Социология». 2015. № 1 (21). С. 61–71.