КӨПТІЛДІ ОНЛАЙН МӘТІНДЕРДЕ КИБЕРБУЛЛИНГТІ АНЫҚТАУДЫҢ ТЕРЕҢ ОҚЫТУ ТӘСІЛДЕРІ
https://doi.org/10.53360/2788-7995-2026-3(23)-3
Аңдатпа
Бұл зерттеуде көптілді онлайн мәтіндерде (орыс және қазақ тілдері) кибербуллингті автоматты түрде анықтау үшін классикалық машиналық оқыту алгоритмдері мен заманауи терең оқыту архитектураларының тиімділігіне жүйелі салыстырмалы талдау жүргізілді. Дәстүрлі белгілерге (TF-IDF, n-граммалар) негізделген әдістер мен мәтіннің контекстік көріністерін пайдаланатын модельдерді салыстыруға ерекше назар аударылды. Қазақ тіліндегі корпус үшін тілдік ресурстардың шектеулілігі және оқыту деректерінің аз көлемі жағдайында жоғары сапалы таңбалануды қамтамасыз ететін арнайы деректер қоры әзірленіп, қолмен аннотацияланды.
Эксперименттік нәтижелер орыс тіліндегі корпуста ең жоғары көрсеткіштерді назар механизміне негізделген модельдің (Attention-based model) көрсеткенін анықтады: Accuracy – 92,1%, F1-score – 92,9% және ROC-AUC – 0,95. Қазақ тіліндегі корпуста да аталған архитектура ең жақсы нәтижелерге қол жеткізді: Accuracy – 91,5%, F1-score – 92,9% және ROC-AUC – 0,94. LSTM және BiLSTM рекурренттік модельдері 90-91% аралығында тұрақты көрсеткіштер көрсетті, ал классикалық машиналық оқыту алгоритмдері негізгі сапа метрикалары бойынша төмен нәтижелер көрсетті. Алынған нәтижелер көптілді мәтіндердегі кибербуллингті анықтауда терең оқыту әдістерінің жоғары тиімділігін дәлелдейді.
Зерттеу мультимодальды және интерпретацияланатын тәсілдерді біріктірудің, тілдік ресурстарды кеңейтудің, сондай-ақ transfer learning және алдын ала үйретілген тілдік модельдерді қолданудың маңыздылығын көрсетеді. Алынған нәтижелер контентті интеллектуалды модерациялау жүйелерінде, цифрлық қауіпсіздікті қамтамасыз етуде және онлайн ортадағы пайдаланушылардың психологиялық тәуекелдерін ерте анықтауда практикалық маңызға ие.
Тірек сөздер
Авторлар туралы
Р. Б. АбдрахмановҚазақстан
161200, Қазақстан Республикасы, Түркістан қ., Рабиға Сұлтан Бегім көшесі, 14А
Ә. С. Төлеп
Қазақстан
161200, Қазақстан Республикасы, Түркістан қ., Бекзат Саттарханов даңғылы, 29
Д. Р. Сұлтан
Қазақстан
050035, Қазақстан Республикасы, Алматы қ., Жандосов көшесі, 55
А. С. Касымбеков
Қазақстан
161200, Қазақстан Республикасы, Түркістан қ., Рабиға Сұлтан Бегім көшесі, 14А
А. Б. Нуржанова
Қазақстан
010008, Қазақстан Республикасы, Астана қ., Сәтбаев көшесі, 2
Әдебиет тізімі
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
Дәйектеу үшін:
Абдрахманов Р.Б., Төлеп Ә.С., Сұлтан Д.Р., Касымбеков А.С., Нуржанова А.Б. КӨПТІЛДІ ОНЛАЙН МӘТІНДЕРДЕ КИБЕРБУЛЛИНГТІ АНЫҚТАУДЫҢ ТЕРЕҢ ОҚЫТУ ТӘСІЛДЕРІ. Шәкәрім Университетінің Хабаршысы. Техникалық ғылымдар сериясы. 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
JATS XML















