Дослідження архітектур нейронних мереж для фільтрації контенту

Abstract

Актуальність даного дослідження полягає в необхідності фільтрації контенту з високою точністю за рахунок створення оптимальних варіацій архітектур нейронних мереж. Наявні сьогодні рішення дають низьку точність фільтрації, що призводить до блокування потенційно безпечного контенту. Повна відсутність фільтрації призведе до того, що неповнолітні користувачі та інші вразливі групи отримають до нього доступ, що неприпустимо. Об’єктом дослідження є процеси фільтрації контенту. Предметом дослідження є методи і технології побудови нейронних мереж для фільтрації контенту. Мета роботи полягає в підвищенні точності фільтрації контенту за рахунок розробки архітектури нейронної мережі. В якості засобу розроблення системи було обрано PyCharm та мову програмування Python. Інструментами розроблення були обрані бібліотеки SciPy та Keras, бібліотека для імпорту та експорту даних Pickle та бібліотека для роботи з алгоритмами нейронних мереж Sckit-learn. Перший розділ присвячено огляду основних понять предметної області; другий розділ містить в собі аналіз засобів розробки; третій розділ роботи присвячено моделювання майбутньої системи; четвертий розділ присвячено розробці і тестуванню системи; п’ятий розділ — методичний; шостий розділ містить інформацію стосовно охорони праці. Результатом роботи є побудована архітектура нейронної мережі для фільтрації забороненого контенту. Загальний обсяг роботи – 109 сторінок. Магістерська кваліфікаційна робота містить 9 рисунків, 2 таблиці і посилання на 46 літературних джерел. The relevance of this study lies in the need to filter content with high accuracy due to the creation of optimal variations of neural network architectures. The solutions available today provide low filtering accuracy, which leads to the blocking of potentially safe content. A complete lack of filtering will lead to the fact that minor users and other vulnerable groups will gain access to it, which is unacceptable. The object of research is content filtering processes. The subject of research is the methods and technologies of building neural networks for content filtering. The purpose of the work is to increase the accuracy of content filtering by developing a neural network architecture. PyCharm and the Python programming language were chosen as a system development tool. The SciPy and Keras libraries, the Pickle data import and export library, and the Sckit-learn library for working with neural network algorithms were chosen as development tools. The first section is dedicated to the overview of the main concepts of the subject area; the second section contains an analysis of development tools; the third section of the work is devoted to the modeling of the future system; the fourth section is devoted to the development and testing of the system; the fifth section is methodical; the sixth section contains information on labor protection. The result of the work is the constructed neural network architecture for filtering prohibited content. The total volume of work is 109 pages. The master's thesis contains 9 figures, 2 tables and references to 46 literary sources.