РОЗПОДІЛЕНА ІНТЕЛЕКТУАЛЬНА СИСТЕМА СЕМАНТИЧНОГО МОНІТОРИНГУ ГЕТЕРОГЕННИХ ДАНИХ У МЕСЕНДЖЕРІ TELEGRAM НА ОСНОВІ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ
Таврійський науковий вісник. Серія: Технічні науки · 28.05.2026 · (3) · 221-229
DOI: 10.32782/tnv-tech.2026.3.23 ↗Kurz gefasst
Fachartikel in der Zeitschrift Таврійський науковий вісник. Серія: Технічні науки, online erschienen am 28.05.2026. Verfasst von А. С. Янко und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
У статті розв’язано актуальну науково-практичну задачу підвищення ефективності моніторингу та фільтрації великих масивів неструктурованої текстової інформації у децентралізованих комунікаційних середовищах. Об’єктом дослідження є процеси автоматизованого збору, розподіленої обробки та глибокого семантичного аналізу гетерогенних потоків даних у месенджері Telegram. Метою статті є розробка методології та проєктування архітектури розподіленої інтелектуальної системи семантичного моніторингу для месенджера Telegram, а також експериментальне дослідження продуктивності впроваджених NLP-моделей та методів просторового індексування баз даних. Для досягнення мети проведено аналіз архітектурних обмежень протоколу MTProto та розроблено підхід для стабільного асинхронного збору даних у реальному часі. Наукова новизна дослідження полягає у розробці багатошарової розподіленої архітектури на базі Python (Telethon), Redis та Celery, яка інтегрує багатомовну модель архітектури Transformer – multilingual-e5-small. Це дозволяє трансформувати гетерогенні повідомлення у 384-вимірні семантичні вектори (embeddings). У ході експериментального дослідження встановлено, що використання вказаної моделі забезпечує час генерації вектора на рівні 16 мс (на CPU), що дозволяє системі масштабуватися без залучення дорогих GPU-ресурсів. Вперше проведено порівняльну оцінку продуктивності алгоритмів векторного пошуку HNSW та IVFFlat у СУБД PostgreSQL (pgvector). Доведено беззаперечну перевагу графового індексу HNSW, який знижує затримку пошуку до ~0.98 мс на мільйонних масивах даних при збереженні показника повноти (recall) понад 95%. Практична значимість результатів підтверджена досягненням метрики точності пошуку MRR@10 на рівні 64.4 та 100% Top-5 accuracy. Створена мікросервісна система забезпечує відмовостійку обробку повідомлень в умовах жорстких лімітів Telegram API та може бути використана як інструмент інформаційної безпеки, конкурентної розвідки та оперативного аналізу соціальних трендів.
Zitieren
APA
Янко, А. С., & Падусенко, Я. В. (2026). РОЗПОДІЛЕНА ІНТЕЛЕКТУАЛЬНА СИСТЕМА СЕМАНТИЧНОГО МОНІТОРИНГУ ГЕТЕРОГЕННИХ ДАНИХ У МЕСЕНДЖЕРІ TELEGRAM НА ОСНОВІ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ. Таврійський науковий вісник. Серія: Технічні науки, 221-229. https://doi.org/10.32782/tnv-tech.2026.3.23
Vancouver
Янко АС, Падусенко ЯВ. РОЗПОДІЛЕНА ІНТЕЛЕКТУАЛЬНА СИСТЕМА СЕМАНТИЧНОГО МОНІТОРИНГУ ГЕТЕРОГЕННИХ ДАНИХ У МЕСЕНДЖЕРІ TELEGRAM НА ОСНОВІ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ. Таврійський науковий вісник. Серія: Технічні науки. 2026:221-229. doi:10.32782/tnv-tech.2026.3.23
BibTeX
@article{2026,
author = {Янко, А. С. and Падусенко, Я. В.},
title = {РОЗПОДІЛЕНА ІНТЕЛЕКТУАЛЬНА СИСТЕМА СЕМАНТИЧНОГО МОНІТОРИНГУ ГЕТЕРОГЕННИХ ДАНИХ У МЕСЕНДЖЕРІ TELEGRAM НА ОСНОВІ ВЕКТОРНИХ ПРЕДСТАВЛЕНЬ},
journal = {Таврійський науковий вісник. Серія: Технічні науки},
year = {2026},
number = {3},
pages = {221--229},
doi = {10.32782/tnv-tech.2026.3.23}
}
EUVIMED