Purpose. Detecting toxic comments on YouTube video hosting under training videos by classifying unstructured text using a combination of machine learning methods. Methodology. To work with the specified type of data, machine learning methods were used for cleaning, normalizing, and presenting textual data in a form acceptable for processing on a computer. Directly to classify comments as “toxic”, we used a logistic regression classifier, a linear support vector classification method without and with a learning method – stochastic gradient descent, a random forest classifier and a gradient enhancement classifier. In order to assess the work of the classifiers, the methods of calculating the matrix of errors, accuracy, completeness and F-measure were used. For a more generalized assessment, a cross-validation method was used. Python programming language. Findings. Based on the assessment indicators, the most optimal methods were selected – support vector machine (Linear SVM), without and with the training method using stochastic gradient descent. The described technologies can be used to analyze the textual comments under any training videos to detect toxic reviews. Also, the approach can be useful for identifying unwanted or even aggressive information on social networks or services where reviews are provided. Originality. It consists in a combination of methods for preprocessing a specific type of text, taking into account such features as the possibility of having a timecode, emoji, links, and the like, as well as in the adaptation of classification methods of machine learning for the analysis of Russian-language comments. Practical value. It is about optimizing (simplification) the comment analysis process. The need for this processing is due to the growing volumes of text data, especially in the field of education through quarantine conditions and the transition to distance learning. The volume of educational Internet content already needs to automate the processing and analysis of feedback, over time this need will only grow.

    Цель. Авторы ставят целью обнаружение токсичных комментариев на видеохостинге «YouTube» под учебным материалом путем классификации неструктурированного текста с помощью комбинации методов машинного обучения. Методика. В работе с указанным типом данных использованы методы машинного обучения для очистки, нормализации, представления текстовых данных в виде, приемлемом для дальнейшей работы на ЭВМ. Непосредственно для отнесения комментариев к классу «токсичные» использованы классификатор логистической регрессии, метод классификации с помощью линейных опорных векторов без и с методом обучения – стохастическим градиентным спуском, классификатор «случайный лес» и классификатор с усилением градиента. С целью оценки работы классификаторов использованы методы подсчета матрицы ошибок, точности, полноты и Ф-меры. Для обобщенной оценки использован метод перекрестной проверки. Язык программирования – Python. Результаты. На основе показателей оценки выбраны наилучшие методы – опорных векторов (Linear SVM) без и с методом обучения с помощью стохастического градиентного спуска. Описанные технологии могут быть использованы для анализа текстовых комментариев под любыми учебными видео для обнаружения токсичных отзывов. Также разработанный подход может быть полезным для выявления нежеланной или даже агрессивной информации в социальных сетях или сервисах, где предусмотрены отзывы. Научная новизна. В работе использовано комбинацию методов предварительной обработки специфического вида текста с учётом таких особенностей, как возможность наличия таймокодов, эмоджи, ссылок и тому подобное, а также адаптировано классификационные методы машинного обучения для анализа русскоязычных комментариев. Практическая значимость. Проведено оптимизацию (упрощение) процесса анализа комментариев, необходимость которой обусловлена растущими объемами текстовых данных, особенно в сфере образования из-за карантинных условий и перехода на дистанционную форму обучения. Объемы учебного интернет-контента уже нуждаются в автоматизации процесса обработки и анализа отзывов, а со временем эта потребность будет только расти.

    Мета. Автори мають на меті виявлення токсичних коментарів на відеохостингу «YouTube» під навчальним матеріалом шляхом класифікації неструктурованого тексту за допомогою комбінації методів машинного навчання. Методика. У роботі із зазначеним типом даних використано методи попередньої обробки для очищення, нормалізації, представлення текстових даних у вигляді, прийнятному для подальшої роботи на ЕОМ. Безпосередньо для віднесення коментарів до класу «токсичні» використано класифікатор логістичної регресії, метод класифікації за допомогою лінійних опорних векторів без та з методом навчання – стохастичним градієнтним спуском, класифікатор «випадковий ліс» та класифікатор з посиленням градієнта. З метою оцінки роботи класифікаторів використано методи підрахунку матриці помилок, точності, повноти та Ф-міри. Для більш узагальненої оцінки використано метод перехресної перевірки. Мова програмування  –Python. Результати. На основі показників оцінки обрано найбільш результативні методи – метод опорних векторів (Linear SVM) без та з методом навчання за допомогою стохастичного градієнтного спуску. Описані технології можуть бути використані для аналізу текстових коментарів під будь-якими навчальними відео для виявлення токсичних відгуків. Також розроблений підхід може бути корисним для виявлення небажаної або навіть агресивної інформації в соціальних мережах або сервісах, де передбачені відгуки. Наукова новизна. У роботі використано комбінацію методів попередньої обробки специфічного виду тексту із врахуванням таких особливостей, як можливість наявності таймокодів, емоджі, посилань тощо, а також адаптовано класифікаційні методи машинного навчання для аналізу російськомовних коментарів. Практична значимість. Проведено оптимізацію (спрощення) процесу аналізу коментарів, необхідність якої обумовлена зростаючими обсягами текстових даних, особливо у сфері освіти через карантинні умови й перехід на дистанційну форму навчання. Обсяги навчального інтернет-контенту вже потребують  автоматизації процесу обробки й аналізу відгуків із часом ця потреба тільки зростатиме.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    APPLICATION OF MACHINE LEARNING ALGORITHMS FOR PROCESSING COMMENTS FROM THE YOUTUBE VIDEO HOSTING UNDER TRAINING VIDEOS.
    ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОБРАБОТКИ КОММЕНТАРИЕВ ПОД УЧЕБНЫМ МАТЕРИАЛОМ НА ВИДЕОХОСТИНГЕ «YOUTUBE».
    ЗАСТОСУВАННЯ АЛГОРИТМІВ МАШИННОГО НАВЧАННЯ ДЛЯ ОБРОБКИ КОМЕНТАРІВ ПІД НАВЧАЛЬНИМ МАТЕРІАЛОМ НА ВІДЕОХОСТИНГУ «YOUTUBE»


    Beteiligte:


    Erscheinungsdatum :

    2021-04-08


    Anmerkungen:

    Science and Transport Progress ; No. 6(90) (2020); 33-42



    Medientyp :

    Aufsatz (Zeitschrift)


    Format :

    Elektronische Ressource


    Sprache :

    Ukrainisch