CC BY
0
текста в социальных сетях позволяет получить ценную информацию об отношении пользователей к различным событиям, продуктам и услугам. Эта информация может быть использована для маркетинговых исследований, мониторинга общественного мнения и принятия управленческих решений.
• Методы на основе словарей: Данные методы используют заранее составленные словари, содержащие слова и фразы, ассоциированные с определенной тональностью (позитивной, негативной или нейтральной). Тональность текста определяется на основе количества слов с той или иной тональностью.
• Наивный байесовский классификатор: Этот метод основан на теореме Байеса и предполагает независимость признаков. Он широко используется для классификации текстов, в том числе для анализа тональности.
• Метод опорных векторов (SVM): SVM является мощным алгоритмом машинного обучения, который строит гиперплоскость, максимально разделяющую классы.
• Глубокое обучение: Методы глубокого обучения, такие как рекуррентные нейронные сети (RNN) и сверточные нейронные сети (CNN), демонстрируют высокую эффективность в задачах обработки естественного языка, включая анализ тональности.
Для проведения эксперимента был использован набор данных, содержащий сообщения из Twitter. Были реализованы различные методы машинного обучения, включая наивный байесовский классификатор, SVM и LSTM (Long Short-Term Memory - разновидность RNN). Произведено сравнение точности, полноты и F1-меры для каждого метода. Список использованной литературы:
1. Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1), 1-167.
2. Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python. O'Reilly Media Inc.
3. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780.
© Гылыджов Б., Мухаммедов Н., Нурмухаммедов Н., Ниязова А., 2025
УДК 65.012.12
Гылыджов Б., преподаватель, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Оразбердиева А., студент, Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Сапарбаев У., студент,
Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад Йеграева Г., студент,
Туркменский государственный архитектурно-строительный институт,
Туркменистан, г. Ашхабад
ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИИ БЛОКЧЕЙН ДЛЯ ОБЕСПЕЧЕНИЯ БЕЗОПАСНОСТИ ДАННЫХ В СИСТЕМАХ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА
Аннотация
В данной статье рассматривается применение технологии блокчейн для повышения безопасности и
надежности систем электронного документооборота. Анализируются существующие проблемы безопасности в традиционных системах и предлагается решение на основе распределенного реестра блокчейн. Рассматриваются преимущества и недостатки данного подхода, а также перспективы его внедрения в различных сферах.
Ключевые слова:
блокчейн, электронный документооборот, безопасность данных, распределенный реестр, криптография, цифровая подпись, смарт-контракты.
В современном мире электронный документооборот играет ключевую роль в организации бизнес-процессов. Однако традиционные системы электронного документооборота подвержены различным угрозам безопасности, таким как несанкционированный доступ, подделка документов и потеря данных. Технология блокчейн, благодаря своей децентрализованной и криптографически защищенной природе, предоставляет возможность создания более безопасных и надежных систем.
• Централизованное хранение данных: Централизованные базы данных являются уязвимой целью для атак хакеров.
• Возможность подделки документов: В традиционных системах существует возможность внесения изменений в документы без возможности отследить их происхождение.
• Отсутствие прозрачности: Отсутствие единого и неизменяемого журнала транзакций затрудняет аудит и контроль за документами.
Блокчейн представляет собой распределенный реестр, состоящий из цепочки блоков, каждый из которых содержит информацию о транзакциях. Благодаря криптографическим методам, информация в блокчейне защищена от изменений и подделок.
• Децентрализация: Данные хранятся не на одном сервере, а на множестве узлов сети, что делает систему более устойчивой к сбоям и атакам.
• Неизменяемость: После записи в блокчейн информация не может быть изменена или удалена.
• Прозрачность: Все транзакции в блокчейне записываются в открытом и доступном для всех участников сети реестре.
• Цифровая подпись: Использование цифровой подписи обеспечивает аутентификацию и подтверждение авторства документов.
• Смарт-контракты: Смарт-контракты позволяют автоматизировать выполнение условий сделок и обеспечить их юридическую значимость.
• Повышенная безопасность: Защита от несанкционированного доступа, подделки и потери данных.
• Повышенная прозрачность: Возможность отслеживания истории изменений документа.
• Сокращение затрат: Автоматизация процессов и устранение посредников.
• Повышение доверия: Обеспечение неизменности и подлинности документов.
Недостатки и ограничения
• Масштабируемость: Проблема обработки большого количества транзакций.
• Регуляторные вопросы: Отсутствие четкого правового регулирования использования блокчейн.
• Сложность внедрения: Необходимость интеграции с существующими системами.
Список использованной литературы:
1. Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1), 1-167.
2. Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python. O'Reilly Media Inc.
3. Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8), 1735-1780.
© Гылыджов Б., Оразбердиева А., Сапарбаев У., Йеграева Г., 2025
