Фільтрація забороненого контенту

DOI: 10.31673/2412-9070.2022.061416

Анотація

Актуальність цього дослідження полягає в необхідності фільтрації контенту з високою точністю через 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 статті полягає в підвищенні точності фільтрації контенту за рахунок розроблення архітектури нейронної мережі. Як засіб розроблення системи було вибрано PyCharm та мову програмування Python. Інструментами розроблення були вибрані бібліотеки SciPy та Keras, бібліотека для імпорту та експорту даних Pickle та бібліотека для роботи з алгоритмами нейронних мереж Sckit-learn. Результатом роботи є побудована архітектура нейронної мережі для фільтрації забороненого контенту.

Ключові слова: нейронна мережа; заборонений контент; фільтрація контенту; архітектура нейронних мереж.

Список використаної літератури
1. Заяць В. М., Камінський Р. М. Методи розпізнавання образів: навч. посіб. для студ. Нац. ун-т «Львів. політехніка». Львів, 2004. 173 c.
2. Дэвід А. Форсайт, Джин Понс. Computer Vision: A Modern Approach. М.: Вільямс, 2004. 928 с.
3. Стокман Дж., Шапіро Л. Computer Vision. М.: Біном. Лаборатория знаний, 2006. 752 с.
4. Вапнік В. Н., Червоненкіс А. Я. Теорія розпізнавання образів. М.: Наука, 1974. 416 с.