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

фактическую точность и обеспечивает возможность указывать на источники, снижая риск «галлюцинаций». Однако использование RAG без адаптации индекса влечет проблему множественности контекстов, когда в векторном хранилище содержатся релевантные, но противоречивые и/или утратившие актуальность фрагменты данных. Для решения этой проблемы применяется процедура отбора и ранжирования фрагментов данных с учетом версионирования индекса [34]. Для причинно-следственного вывода использованы методы из теории каузальности: модельные подходы и графы причинно-следственных связей, позволившие формализовать интервенции [35]. Практически это реализуется через сочетание причинно-следственных графов с агентно-ориентированными моделями. Граф причинно-следственных связей осуществляет идентифицируемое представление события и его зависимостей, агентно-ориентированная модель позволяет симулировать механизмы распространения и эмпирически проверять гипотезы о поведении агентов в сетевом окружении. Компонент обнаружения аномалий сочетает статистическую детекцию всплесков, признаки сетевой активности и набор моделей классификации на основе анализа сетевых метрик и контента. Для оценки достоверности предложенных интервенций последние дополняются разделом «обоснование» в виде ссылок на извлеченные фрагменты RAG-хранилища и «дерево причин» каузального графа. Источниками данных являются публичные группы и страницы социальной сети «ВКонтакте» за длительный период (2020 — н. в.), что позволяет учитывать как фоновую активность, так и кризисные всплески. Для оперативной аналитики система использует инкрементальное извлечение метрик с временными метками и шагом обновления каждые 20 минут; хранится история метрик для каждого поста, что служит базой для детекции аномалий и расчета нормализованных порогов всплесков. Заключение Предложенный архитектурный фреймворк сочетает проверенные алгоритмические блоки (GraphSAGE, RAG, LLM, каузальный аппарат и агентно-ориентированные модели) и опирается на современные библиотечные экосистемы (PyTorch Geometric, Milvus для векторных индексов). Такой набор обеспечивает практическую реализуемость, масштабируемость и объяснимость решений, необходимых для нормативно-ориентированного рассуждения и контрфактического анализа в региональном управлении. Ведутся работы по экспериментальной проверке эффективности отдельных предложенных модулей. Для задач дообучения LLM, построения динамических графов и верификации деонтических и каузальных предсказаний значительная часть текстов (публикации и комментарии) аннотируются в полуавтоматическом режиме. Процесс аннотации включает: категоризацию социальных реакций (негативные комментарии, призывы к действию, поддержку инициатив, репосты), оценку тональности реакций, аннотацию деонтических характеристик. Для создания обучающего набора каузальных связей и управленческих воздействий промаркированы пары «вмешательство — реакция» и «событие — реакция» путем учета наличия официальной реакции, например «всплеск негативных комментариев — разъяснение уполномоченного представителя». Эти данные являются основой (обучающей выборкой) для каузального слоя графа знаний и для валидации контрфактических сценариев. Список источников 1. Kim R. M., Veselovsky V , Anderson A. Capturing dynamics in online public discourse:A case study of universal basic income discussions on reddit // Proceedings of the International AAAI Conference on Web and Social Media. 2025. Vol. 19. P. 1021-1037. 2. Bennett C. J., LyonD. Data-driven elections: implications and challenges for democratic societies // Internet Policy Review. 2019. 8 (4). doi: 10.14763/2019.4.1433. 3. Карпова И. В., Воронкова И. Е., Бирюкова Е. А. PR-технологии как средство манипулирования политической активностью молодёжи // Реклама и PR в координатах социума, бизнеса и медиапространства. 2020. С. 18-73. 4. Revel M., Penigaud T. AI-Enhanced Deliberative Democracy and the Future of the Collective Will. 2025. 5. Argyle L. P. et al. LeveragingAI for democratic discourse: Chat interventions can improve online political conversations at scale // Proceedings of the National Academy of Sciences. 2023. Vol. 120, No. 41. P. e2311627120. 6. Evkoski B., Pollak S. XAI in Computational Linguistics: Understanding Political Leanings in the Slovenian Parliament //arXiv preprint arXiv:2305.04631. 2023. 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 76