| DC Field | Value | Language |
|---|
| dc.contributor.author | Василевский, В. В. | - |
| dc.contributor.author | Пущик, Е. А. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-07-22T09:54:03Z | - |
| dc.date.available | 2026-07-22T09:54:03Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Василевский, В. В. Применение NLP-моделей для выявления «токсичного» поведения в чатах = Application of NLP models for detecting toxic behavior in chats / В. В. Василевский, Е. А. Пущик // Электронные системы и технологии : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: П. В. Камлач [и др.]. – Минск, 2026. – С. 547–549. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64836 | - |
| dc.description.abstract | Апробирован подход к автоматической модерации текстовых сообщений в онлайн-чатах на основе предварительно обученной нейронной модели архитектуры BERT. Разработан программный прототип в виде чат-бота для платформы Telegram, продемонстрирована его эффективность на тематической выборке данных и определены метрики качества выявления «токсичного» поведения. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | NLP-модели | en_US |
| dc.subject | автоматическая модерация | en_US |
| dc.subject | эмодзи семантика | en_US |
| dc.subject | классификация сообщений | en_US |
| dc.title | Применение NLP-моделей для выявления «токсичного» поведения в чатах | en_US |
| dc.title.alternative | Application of NLP models for detecting toxic behavior in chats | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The article presents an approach to automatic moderation of text messages in online chats using a pre-trained neural network model based on the BERT architecture. A software prototype in the form of a Telegram chat-bot has been developed, its efficiency has been demonstrated on a domain-specific dataset, and key quality metrics for detecting crude and offensive behavior have been determined. | en_US |
| Appears in Collections: | Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)
|
