Штучний інтелект

Анотація: У статті визначений алгоритм та деталізовано послідовні завдання для побудови ефективної моделі автоматизованої класифікації подій в інформаційному просторі. Напередодні та в ході збройної агресії Російської Федерації проти України відчутно проявилися наслідки зовнішнього негативного інформаційного впливу. Тому невідкладними є організація та здійснення протидії такому впливу. Важливою складовою цієї діяльності є класифікація (кластеризація) подій в інформаційному просторі з метою їх подальшого аналізу та формування пропозицій для прийняття рішень на протидію негативному інформаційному впливу. Враховуючи те, що в глобальному інформаційному просторі та, зокрема, в інформаційному просторі держави, в інтересах протидії такому впливу необхідно постійно обробляти значний обсяг інформації, тому вирішення завдання підвищення оперативності цього процесу передбачається за рахунок автоматизації його складових. В основу алгоритму процесу автоматизованої класифікації покладено низку виконання послідовних завдань, а саме: пошук даних, попередній відбір повідомлень (“груба” класифікація), збереження попередньо відібраних повідомлень у базі даних, визначення сукупності показників для автоматизованої класифікації інформаційних подій, попередня обробка окремого документу (індексація), розподіл повідомлень за критеріями по категоріях (“точна” класифікація), подання інформації у зручному для сприйняття вигляді (візуалізація), збереження результатів класифікації у базі даних. У запропонованому матеріалі розкритий зміст виконання цих завдань. Запропонований алго- ритм слугуватиме автоматичному розподілу інформаційних подій (повідомлень) різної природи на категорії (класи) з метою підвищення оперативності оцінювання рівня негативного інформаційного впливу на цільові аудиторії для своєчасного (проактивного) реагування на його прояви.

Ключові слова: алгоритм, автоматизована класифікація, база даних, індексація, інформаційні події, не- гативний інформаційний вплив, терми

Посилання:

1. Толубко В.Б. Концептуальні основи інформаційної безпеки України / В.Б. Толубко, С.Я. Жук, В.О. Косевцов // Наука і оборона. – 2004. – No 2. – С. 19-25.
2. Руснак І.С. Розвиток форм і способів ведення інформаційної боротьби на сучасному етапі / І.С. Руснак, В.М. Телелим // Наука і оборона. – 2000. – No 2. – С. 18-23.
3. Основи стратегії національної безпеки та оборони держави: підруч. / О.П. Дузь- Крятченко, Т.М. Дзюба, А.О. Рось, ін. – 2-ге вид., доп. і випр. – К.: НУОУ, 2010. – 591 с.
4. Інформаційно-психологічна боротьба у воєнній сфері: монографія / Г.В. Пєвцов, А.М. Гордієнко, С.В. Залкін, С.О. Сідченко, А.О. Феклістов, К.І. Хударковський. – Х.: Вид. Рожко С.Г., 2017. – 276 с.
5. Інструкція про порядок оцінки морально- психологічного стану в Міністерстві оборони України та Збройних Силах України (затверджено наказом МО України від 21.05.2013 No 335, зі змінами, внесеними наказом МО України від 17.12.2015 No 728, зареєстровано в Мін’юсті України 11.01.2016 No 29/28159).
6. Методичний підхід до виявлення та оцінювання негативного інформаційно-психологічного впливу на особовий склад військ (сил) / П.М. Сніцаренко, Ю.О. Саричев, Ю.І. Міхєєв, М.В. Праута // Наука і оборона. – No 3-4. – 2017. – С.18-25.
7. Підсистема моніторингу інформаційного простору як необхідна складова системи протидії негативному інформаційно- психологічному впливу на особовий склад Збройних Сил України / П.М. Сніцаренко, Ю.О. Саричев, В.А. Ткаченко, О.А. Мотузяник // Наука і оборона. – No 1. – 2018. – С.29-33.
8. Аналіз стану виявлення та оцінки негативного інформаційного впливу на особовий склад ЗС України в системі протидії такому впливу / В.В. Грицюк // Збірник наукових праць ЦВСД НУОУ. – No 2(66). – 2019. – С.52-61.
9. Christopher D. Manning, Hinrich Schütze An Introduction to Information Retrieval Draft. Online edition. Cambridge University Press. – 2009. – 544 p.
10. Енциклопедія кібернетики : у 2 т. / за ред. В.М. Глушкова. — Київ : Гол. ред. Української радянської енциклопедії, 1973. – Т.1. – С.490.
11. Словарь по кибернетике: Св. 2000 ст. /Под ред. В.С. Михалевича. – 2-е изд. – К.: Гл. ред. УСЭ им. М. П. Бажана, 1989. – 751 с.
12. Ланде Д.В., Снарский А.А., Безсуднов И.В. Интернетика: Навигация в сложных сетях: модели и алгоритмы. — M.: Либроком (Editorial URSS), 2009. – 264 с.
13. Великий тлумачний словник сучасної української мови / уклад. та голов. ред. В.Т. Бусел. – Київ; Ірпінь: Перун, 2005. – VIII, 1728 с.
14. Агеев М.С. Методы автоматической рубрикации текстов, основанные на машинном обучении знаниях экспертов, 2004. – С. 6.
15. Попков М.И. Автоматическая система классификации текстов для базы знаний предприятия // International Journal of Open Information Technologies ISSN: 2307-8162 vol. 2, no. 7, 2014, P. 1–10.
16. «Глоссарий» // Веб-студия pawlov.info (http://www.pawlov.info/index.php/glossarij)
17. Ellen Riloff, «Little Words Can Make a Big Difference for Text Classification» // Department of Computer Science, University of Utah
18. Воронцов К.В. «Вероятностное тематическое моделирование» // Лекции по Машинному обучению, Октябрь 2013.
19. Губин М.В. «Модели и методы представления текстового документа в системах информаци- онного поиска», 2005. С. 11-12.
20. Rehman A., Haroon A., Saeed M., Feature Extraction for Classification of Text Documents, 2012. – P. 233-235.