|
Аннотация.
В статье представлена разработка нейросетевой модели определения значений содержательных компонентов текстов для анализа поведения пользователей в цифровой среде. Обучаемая нейросетевая модель разработана для того, чтобы снизить зависимость от больших языковых моделей и ускорить прогнозирование характеристик поведения личности на основе текстовых данных в рамках разработки психологической модели поведения человека в реальной и виртуальной средах. Тестирование модели показывает хорошие результаты по содержательным компонентам, представленным в обучающих данных в достаточном количестве.
Ключевые слова:
обработка естественного языка, нейронные сети, цифровое поведение, цифровая личность.
DOI 10.14357/20718632260212
EDN NEXDMX
Стр. 120-128.
Литература
1. Попов Л.М., Устин П.Н. Поведение как процессуально-динамическая характеристика субъекта // Психологический журнал. 2025. Т. 46, № 2. С. 24–34. 2. Ломов Б. Ф. Методологические и теоретические проблемы психологии. Москва: Издательство «Наука», 1984. 1174 с. 3. Климов Е. А. Психология профессионального самоопределения. Москва: Издательский центр «Академия», 2010. 304 с. 4. Кузнецова Ю. М. Сценарный подход к анализу текстов // Труды Института Системного Анализа Российской Академии Наук. 2018. Т. 68. № 1. С. 31–41. 5. Boyd R. L., Schwartz H. A. Natural language analysis and the psychology of verbal behavior: The past, present, and future states of the field. // J. Lang. Soc. Psychol. 2021. Vol. 40. No. 1. P. 21–41. 6. Мишланов В. А. и др. Разработка методов анализа сценариев поведения (на материале инструктивных интернет-текстов) // Медиалингвистика. 2020. Т. 7. № 1. С. 16–28. 7. Eichstaedt J. C. и др. Facebook language predicts depression in medical records // Proc. Natl. Acad. Sci. 2018. Vol. 115. No. 44. P. 11203–11208. 8. Liu Y., Liu R. D., Ding Y., Wang J., Zhen R., Xu L.. How online basic psychological need satisfaction influences self-disclosure online among Chinese adolescents: Moderated mediation effect of exhibitionism and narcissism // Front. Psychol. 2016. Vol. 7, No. AUG. 9. Zou G., Guo S., Tong C., Zhao Y. The Impact of Parasocial Relationships and Subjective Economic Status on Online Social Anxiety and Peer Loneliness Among Freshmen from the Perspective of Uncertainty Reduction Theory: An Empirical Study Based on Network Analysis // Front. Business, Econ. Manag. 2025. Vol. 19, No. 1. P. 97–101. 10. Cosmin G., Dan Octavian R., Cristian D. Exploring the Relationship between Extroversion and Online and Offline Social Capital Among Video Game Players // Int. J. Adv. Stud. Sexol. 2023. Vol. 5, No. 1. 11. Gahlot V., Imran M. How personality shapes online persona curation: Exploring the link between digital self-presentation and self-esteem among Gen-Z // Int. J. Appl. Res. 2025. Vol. 11, No. 5. P. 350–354. 12. Awaludin S., Chatib Warsa U., Soemardjo S., Nurachmah E., Atmawikarta A., Novitasari D. The Relationship of Online Learning and Information Technology with Cognitive, Affective, and Psychomotor Abilities // J. Keperawatan Indones. 2024. Vol. 27, No. 3. 13. Waqas M., Zhang F., Laghari A. A., Almadhor A., Petrinec F., Iqbal A., Khalil M. M. Y. TraitBertGCN: Personality Trait Prediction Using BertGCN with Data Fusion Technique // Int. J. Comput. Intell. Syst. 2025. Vol. 18, No. 1. P. 64. 14. Pennebaker J.W., King L.A. Linguistic styles: Language use as an individual difference // J. Pers. Soc. Psychol. 1999. Vol. 77, No. 6. P. 1296–1312. 15. Kosinski M., Matz S. C., Gosling S. D., Popov V., Stillwell D. Facebook as a research tool for the social sciences: Opportunities, challenges, ethical considerations, and practical guidelines // Am. Psychol. 2015. Vol. 70, No. 6. P. 543–556. 16. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Proc. Natl. Acad. Sci. U. S. A. 2013. Vol. 110, No. 15. P. 5802–5805. 17. Gafarov F. M., Nikolaev K. S., Ustin P. N., Berdnikov A. A., Zakharova V. L., Reznichenko S. A. A Complex Neural Network Model for Predicting a Personal Success based on their Activity in Social Networks // Eurasia J. Math. Sci. Technol. Educ. 2021. Vol. 17, No. 10. P. 1–9. 18. Gafarov F., Berdnikov A., Ustin P. Predicting success of the online social network user by graph neural networks // Int. J. Adv. Intell. Informatics. 2022. Vol. 8, No. 3. P. 285–298. 19. Nikolaev K.S., Gafarov F.M., Ustin P.N. Metrics for Personal Profiles of Social Network Users // SHS Web Conf. 2020. Vol. 79. P. 1–6. 20. Dale D. Hugging Face. cointegrated/rubert-tiny. URL: https://huggingface.co/cointegrated/rubert-tiny (дата обращения: 12.08.2025).
|
