Төртінші нөмірге барлық бағыттар бойынша мақалалар қабылдау аяқталды.

Приём статей в четвёртый номер по всем направлениям закрыт.

Submissions for the fourth issue are now closed across all subject areas.

Preview

Вестник Университета Шакарима. Серия технические науки

Вестник Университета Шакарима. Серия технические науки

Расширенный поиск

ПОДХОДЫ ГЛУБОКОГО ОБУЧЕНИЯ К ОБНАРУЖЕНИЮ КИБЕРБУЛЛИНГА В МНОГОЯЗЫЧНОМ ОНЛАЙН-ТЕКСТОВОМ КОНТЕНТЕ

https://doi.org/10.53360/2788-7995-2026-3(23)-3

Аннотация

В настоящем исследовании проведён системный сравнительный анализ эффективности классических алгоритмов машинного обучения и современных архитектур глубокого обучения для автоматического выявления кибербуллинга в многоязычных онлайнтекстах (русский и казахский языки). Особое внимание уделено сопоставлению методов на основе традиционных признаков (TF-IDF, n-граммы) и моделей, использующих контекстные представления текста. Для казахоязычного корпуса разработана и вручную аннотирована специализированная база данных, обеспечивающая высокую достоверность разметки в условиях низкой ресурсной обеспеченности языка и ограниченного объёма обучающих выборок.
Экспериментальные результаты показали, что на русскоязычном корпусе наилучшие показатели продемонстрировала модель с механизмом внимания (Attention-based model), достигнув Accuracy 92,1%, F1-score 92,9% и ROC-AUC 0,95. На казахоязычном корпусе данная архитектура также показала лучшие результаты: Accuracy 91,5%, F1-score 92,9% и ROC-AUC 0,94. Рекуррентные модели LSTM и BiLSTM продемонстрировали стабильные показатели в диапазоне 90–91%, тогда как классические алгоритмы машинного обучения уступали по всем основным метрикам качества.
Полученные результаты подтверждают эффективность глубокого обучения для выявления кибербуллинга в многоязычных текстах.
Работа подчёркивает важность интеграции мультимодальных и интерпретируемых подходов, расширения языковых ресурсов, а также применения transfer learning и предобученных языковых моделей для повышения устойчивости и точности классификации. Полученные результаты имеют практическую значимость для систем интеллектуальной модерации контента, обеспечения цифровой безопасности и раннего выявления рисков психологического состояния пользователей в онлайн-среде.

Об авторах

Р. Б. Абдрахманов
Международный университет туризма и гостеприимства
Казахстан

Рустам Абдрахманов – кандидат технических наук, доцент

161200, Республика Казахстан, г. Туркестан, ул. Рабига Султан Бегим, 14А 



А. С. Төлеп
Международный казахско-турецкий университет им. Х.А. Ясави
Казахстан

 Абимухан Тулеп – кандидат технических наук, доцент 

161200, Республика Казахстан, г. Туркестан, проспект Бекзата Саттарханова, 29



Д. Р. Султан
Университет Нархоз
Казахстан

Данияр Султан – PhD, доцент факультета цифровых технологий

050035, Республика Казахстан, г. Алматы, ул. Жандосова, 55



А. С. Касымбеков
Международный университет туризма и гостеприимства
Казахстан

Аббазбек Касымбеков – кандидат технических наук, доцент

161200, Республика Казахстан, г. Туркестан, ул. Рабига Султан Бегим, 14А



А. Б. Нуржанова
Евразийский национальный университет имени Л.Н. Гумилева
Казахстан

Айжан Нуржанова – докторант

010008, Республика Казахстан, г. Астана, ул. Сатпаева, 2



Список литературы

1. Mahmud T.S.D.A. Exhaustive Study into Machine Learning and Deep Learning Methods for Multilingual Cyberbullying Detection in Bangla and Chittagonian Texts / T.S.D.A. Mahmud, M. Ptaszynski, F. Masui // Electronics. – 2024. https://doi.org/10.3390/electronics13091677.

2. Tahir S. HuEID: Hybrid Deep Learning for Cyberbullying Detection using Multi-Modal Urdu Text and Emojis / S. Tahir, A. Nawaz. – 2025. https://doi.org/10.1145/3769294.

3. Khafajeh H. Cyberbullying Detection in Social Networks Using Deep Learning / H. Khafajeh // The International Arab Journal of Information Technology. – 2024. – № 21(6). https://doi.org/10.34028/iajit/21/6/9.

4. Mahajan E. EnsMulHateCyb: Multilingual hate speech and cyberbully detection in online social media / E. Mahajan, H. Mahajan, S. Kumar // Expert Systems With Applications. – 2023. – № 236. – Р. 121228. https://doi.org/10.1016/j.eswa.2023.121228.

5. Begum A. Cyberbullying Detection on Social Media using AI / A. Begum // International Journal For Science Technology And Engineering. – 2025. – № 13(4). – Р. 7003-7010. https://doi.org/10.22214/ijraset.2025.70045.

6. Musyoka I. Multimodal Cyberbullying Detection Using Deep Learning Techniques: A Review / I. Musyoka, J. Wandeto, B. Kituku. – 2023. – Р. 187-192. https://doi.org/10.1109/ict4da59526.2023.10302244.

7. Deep Learning for Multi-Labeled Cyberbully Detection / N. Islam et al // Enhancing Online Safety. – 2023. – Р. 1-6. https://doi.org/10.1109/icdsns58469.2023.10245135.

8. Vijayakumar H.P.D.D. A study on deep learning algorithms for multimodal and multilingual cyberbullying detection / H.P.D.D. Vijayakumar // International Journal of Scientific Research. – 2021. – Р. 50-54. https://doi.org/10.36106/IJAR/4620274.

9. Horate O. Cyber-Bullying and Harassment Detection using ML / O. Horate // International Journal for Science Technology and Engineering. – 2025. – № 13(4). – Р. 5761-5766. https://doi.org/10.22214/ijraset.2025.69732.

10. AI-Powered Frameworks for the Detection and Prevention of Cyberbullying Across Social Media Ecosystems / M.A.M. Mondol et al // Techcomp Innovations. – 2025. – № 2(1). – Р. 1-15. https://doi.org/10.70063/techcompinnovations.v2i1.59.


Рецензия

Для цитирования:


Абдрахманов Р.Б., Төлеп А.С., Султан Д.Р., Касымбеков А.С., Нуржанова А.Б. ПОДХОДЫ ГЛУБОКОГО ОБУЧЕНИЯ К ОБНАРУЖЕНИЮ КИБЕРБУЛЛИНГА В МНОГОЯЗЫЧНОМ ОНЛАЙН-ТЕКСТОВОМ КОНТЕНТЕ. Вестник Университета Шакарима. Серия технические науки. 2026;(3(23)):23-30. https://doi.org/10.53360/2788-7995-2026-3(23)-3

For citation:


Abdrakhmanov R.B., Tolep A.S., Sultan D.R., Kasymbekov A.S., Nurzhanova A.B. DEEP LEARNING APPROACHES FOR CYBERBULLYING DETECTION IN MULTILINGUAL ONLINE TEXTS. Bulletin of Shakarim University. Technical Sciences. 2026;(3(23)):23-30. (In Russ.) https://doi.org/10.53360/2788-7995-2026-3(23)-3

Просмотров: 16

JATS XML


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2788-7995 (Print)
ISSN 3006-0524 (Online)
X