Труды КНЦ (Технические науки вып.3/2025(16))

Предыдущая работа В прошлых работах были предложены методы построения предиктивных моделей для определения популярности публикаций и определения нормативных высказываний. В работе [18] проведена оценка возможности современных LLM (Large Language Model) для моделирования трендов в социальных сетях. Исследование показало, что LLM способны эффективно анализировать контент социальных медиа для прогнозирования популярности публикаций, что является шагом к пониманию распространения информации и формированию общественного мнения. В работе [19] исследуется возможность автоматического извлечения компонентов деонтических высказываний. Методология, предложенная в этой работе, обеспечивает преобразование слабоструктурированных правовых документов в формализованные деонтические выражения, что является ключевым для интеграции нормативных знаний в ИИ-системы. Обзор существующих подходов к моделированию социальных реакций В условиях постоянно меняющейся цифровой среды, социальные сети трансформировались из простых коммуникационных платформ в общественные арены, оказывающие значительное влияние на коллективные настроения и поведение граждан [20]. В сфере регионального управления это создает как новые возможности для прямого взаимодействия с населением, так и серьезные вызовы, в первую очередь связанные с необходимостью оперативного мониторинга и прогнозирования социальных настроений [18]. Традиционные модели предиктивного анализа социальных сетей, ориентированные на раннее выявление зарождающихся очагов напряжения, оценку эффективности информационных кампаний и предотвращение кризисов [21], часто демонстрируют ограниченный охват, ретроспективный характер анализа и уязвимость результатов к искажениям. В таких условиях мониторинг не соответствует требованиям управления, которое нуждается в инструментах, способных не только предсказывать всплески негативных высказываний, призывы к действию или массовую поддержку инициатив, но и формировать нормативно обоснованный контекст для вмешательства, а также проводить анализ возможных сценариев. Фрагментарность и несистемность существующих систем мониторинга подчеркивают необходимость перехода к методам прогнозирования и управления, основанным на больших данных и алгоритмических подходах. Ключевым требованием становится не только способность к предсказанию, но и прозрачная объяснимость: система должна аргументировать, почему ожидается та или иная реакция и какие последствия могут иметь различные управленческие решения [22]. Государственные и муниципальные органы активно используют мониторинг социальных сетей для решения широкого круга задач — от обеспечения общественной безопасности и управления кризисами до анализа общественного мнения, выявления угроз и повышения эффективности коммуникации [23]. Например, раннее обнаружение слухов о загрязнении воды через анализ пользовательских сообщений позволяет органам власти оперативно реагировать и предотвращать панику [24]. В период пандемии COVID-19 мониторинг тональности обсуждений помог правительствам учитывать общественную реакцию на локдауны и кампании вакцинации, адаптируя стратегии донесения сообщений [18]. В правоохранительной практике методы предиктивной аналитики применяются для выявления закономерностей преступной активности и более рационального распределения ресурсов, хотя прямые причинно-следственные эффекты от таких вмешательств еще недостаточно обоснованы [25]. В совокупности социальные медиа выступают как ценный источник обратной связи, предоставляющий возможность корректировать политику и повышать качество взаимодействия органов власти с населением в режиме реального времени. Тем не менее для перехода от мониторинга к обоснованному управлению, способному включать причинно-следственные рассуждения и обеспечивать объяснимость решений, необходима интеграция передовых методов ИИ и алгоритмов, которые не просто выявляют тренды, но и интерпретируют их в рамках правовых и этических норм, а также моделируют последствия различных управленческих сценариев. Большие языковые модели являются современным фундаментом для анализа текстовых сигналов и прогнозирования социальных процессов благодаря своей способности обрабатывать обширные объемы неструктурированного текста и выявлять скрытые взаимосвязи [26]. В основе работы LLM лежит концепция векторизации: слова, фразы, предложения и документы преобразуются Труды Кольского научного центра РАН. Серия: Технические науки. 2025. Т. 16, № 3. С. 71-79. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2025. Vol. 16, No. 3. P. 71-79. © Диковицкий В. В., 2025 73