Комплексная автоматическая интеллектуальная обработка интернет-контента, выводимого на монитор в ходе пользовательской сессии

Автор: Иванов Олег Сергеевич, Лохвицкий Владимир Александрович, Дудкин А.С., Титов Сергей Сергеевич

Журнал: Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление @vestnik-rosnou-complex-systems-models-analysis-management

Рубрика: Управление сложными системами

Статья в выпуске: 1, 2021 года.

Бесплатный доступ

Рассмотрены вопросы комплексной автоматической интеллектуальной обработки интернет-контента, выводимого на монитор в ходе пользовательской сессии. Представлены основные критерии оценки информации и ее классификации в интернете. Описаны механизмы работы алгоритмов автоматического анализа различных видов интернет-контента. Приведен пример работы программных алгоритмов в режиме ручного, или экспертного, анализа выведенного на монитор пользователя интернет-контента. Предложен подход к разработке макета программно-аппаратного комплекса, используемого для выявления и интеллектуальной обработки деструктивного мультимедийного интернет-контента.

Еще

Психическое здоровье, интернет-контент, алгоритмы автоматического анализа, программное средство

Короткий адрес: https://sciup.org/148321619

IDR: 148321619   |   DOI: 10.25586/RNU.V9187.21.01.P.103

Список литературы Комплексная автоматическая интеллектуальная обработка интернет-контента, выводимого на монитор в ходе пользовательской сессии

  • Ахметшина А.А. Современная коммерческая реклама как идеологический аппарат государства. Социологический ракурс // Вестник Чувашского университета. 2009. № 4. С. 198–203.
  • Белим С.В., Ларионов С.Б. Алгоритм сегментации изображения с помощью искусственной нейронной сети без использования других изображений // Радиостроение. 2017. № 3. С. 43–53.
  • Бождай А.С., Тимонин А.Ю. Исследование процесса анализа текстовых и мультимедиа данных социального профиля из открытых источников информации // Известия высших учебных заведений. Поволжский регион. Технические науки. 2017. № 2. С. 19–28.
  • Брицов Р.А. Ранжирование информации на основе оценок и поведения пользовате-
  • лей // T-Comm – Телекоммуникации и Транспорт. 2016. Т. 10, № 1. С. 62–66.
  • Воронина А.В. Проблема психического здоровья и благополучия человека: обзор концепций и опыт структурно-уровневого анализа // Сибирский психологический журнал. 2005. № 21. С. 142–147.
  • Губанова А.Ю. Классификация электронного контента сайтов для детей: социологический анализ // Вестник РГГУ. Серия «Философия. Социология. Искусствоведение». 2015. № 7. С. 139–143.
  • Иванов О.С., Пилькевич С.В., Гнидко К.О., Лохвицкий В.А. и др. Обоснование критериев оценки влияния интернет-контента на психологическое здоровье потребителя информации // Социология. 2020. № 5. С. 275–282.
  • Итинсон К.С. Web 1.0, Web 2.0, Web 3.0: этапы развития веб-технологий и их влияние на образование // Карельский научный журнал. 2020. Т. 9, № 1 (30). С. 19–21.
  • Кулабухов Р.О. Оценка фоносемантического программного обеспечения для психолингвистического анализа текста с целью выявления эмоционального окраса текста // Евразийский научный журнал. 2017. № 3. С. 206–208.
  • Курако Е.А., Орлов В.Л. Методы динамического обновления программных комплексов для систем с каскадной структурой // Проблемы управления. 2017. № 5. С. 52–60.
  • Ловцов Д.А., Федичев А.В. Архитектура национального классификатора правовых режимов информации ограниченного доступа // Правовая информатика. 2017. № 2. С. 35–54.
  • Миргородская Ю.В, Бернавская М.В., Стаценко Л.Г., Чусов А.А. и др. Объектный анализ акустического поля, создаваемого различными источниками звука в произвольном помещении // Известия Южного федерального университета. Технические науки. 2018. № 6. С. 85–94.
  • Новиков А.А., Стрекалов И.Э., Лопатин Д.В. Динамическая фильтрация web-контента // Гаудеамус. 2013. № 2. С. 159–163.
  • Петров А.А. Новейшие инструменты четвертой промышленной революции и цифровые механизмы контроля и управления обществом // Кронос. 2020. № 8. С. 24–34.
  • Простотина Ю.В. Институт рекламы в формировании моделей потребительского поведения: гендерный аспект // Гуманитарные, социально-экономические и общественные науки. 2019. № 1. С. 45–50.
  • Рабичев И.Э., Котов А.В., Амирханян А.А. Иллюзия «сцинтилляции»: вероятные механизмы ее формирования // Теоретическая и экспериментальная психология. 2018. Т. 11, № 1. С. 28–34.
  • Сиднева Т.Б. Шум и музыка: логика взаимопревращений // Известия Российского государственного педагогического университета им. А.И. Герцена. 2012. № 146. С. 25–33.
  • Сырецкий Г.А. Сквозные цифровые технологии и прорывные технологии кибер-безопасности в контексте системного инжиниринга // Интерэкспо Гео-Сибирь. 2018. № 7. С. 254–260.
  • Тепляков С.П., Тимохович А.С. Социальная инженерия. Анализ и методы защиты // Academy. 2018. № 7. С. 26–27.
  • Терских М.В. Отношение аудитории к провокационной рекламе: критерии оценки коммуникативной эффективности // Неофилология. 2020. Т. 6, № 21. С. 201–212.
  • Тетерина Е.А., Бородина Е.С. Эффективность вирусной рекламы в социальных медиа // Наука. Общество. Государство. 2019. Т. 7, № 3 (27). С. 173–179.
  • Тимчак К.Н., Осипов Е.М. Эффективность российской социальной рекламы: критерии и проблемы оценки // Социология. 2019. № 6. С. 126–131.
  • Elezaj O., Yayilgan S.Y., Ahmed J., (...), Brichfeld B., Haubold C. Crime Intelligence from Social Media Using CISMO // Advances in Intelligent Systems and Computing. 2021. No. 1183. Pp. 441–460.
  • Masloboev A.V., Langhans M. A Multi-Agent System for Management Information Support of Regional Innovations // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18, № 4. С. 630–638.
  • Reformat M.Z. Semantic Web: Graphs, Imprecision and Knowledge Generation // Studies in Fuzziness and Soft Computing. 2021. No. 394. Pp. 271–283.
Еще
Статья научная