sibsutisВестник СибГУТИThe Herald of the Siberian State University of Telecommunications and Information Science1998-6920СибГУТИ10.55648/1998-6920-2026-20-1-39-56sibsutis-1044Research ArticleСтатьиРазработка математической модели процессов исследования обращения гражданDevelopment of a mathematical model for the processes of researching citizen appealshttps://orcid.org/0000-0002-6206-0178ВанчиковаЕлена НиколаевнаVanchikovaElena Nikolaevna

д. э. н., профессор кафедры менеджмента

Dr of Economics, Professor of the Department of Management

evanch@mail.ruhttps://orcid.org/0009-0006-1324-5535ТимофеевАлександр НиколаевичTimofeevAlexander Nikolaevich

генеральный директор ООО «СибДиджитал»

General Director

tan@sibdigital.nethttps://orcid.org/0009-0000-7308-7045СадуевНима БатодоржиевичSaduevNima Batodorzhievich

к. ф.-м. н., доцент кафедры информатики и информационных технологий в экономике

PhD, Associate Professor of the Department of Informatics and Information Technologies in Economics

saduev@yandex.ruhttps://orcid.org/0000-0002-0887-3362ВанзатоваЕлена ОчировнаVanzatovaElena Ochirovna

доцент кафедры информатики и информационных технологий в экономике

 

Candidate of Economics, Associate Professor of the Department of Informatics and InformationTechnologies in Economics

vanzatova.elena@yandex.ruБурятская государственная сельскохозяйственная академия имени В. Р. ФилипповаРоссияBuryat State Agricultural Academy named after V.R. FilippovaRussian FederationООО «СибДиджитал»РоссияSibDigital LLCRussian Federation202627032026201Вестник СибГУТИ3956Copyright © Ванчикова Е.Н., Тимофеев А.Н., Садуев Н.Б., Ванзатова Е.О., 20262026Ванчикова Е.Н., Тимофеев А.Н., Садуев Н.Б., Ванзатова Е.О.Vanchikova E.N., Timofeev A.N., Saduev N.B., Vanzatova E.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsutis.ru/jour/article/view/1044

В настоящее время граждане активно участвуют в общественных обсуждениях, влияющих  на жизнь общества.  С развитием цифровизации пользователи всё чаще используют социальные сети и платформы обратной связи (ПОС) для высказывания мнений по различным сферам деятельности. В связи с этим возникает необходимость анализа общественных настроений с помощью современных аналитических инструментов с целью выявления потенциальных проблем на ранних стадиях. В статье описана разработка математической модели для анализа общественных настроений на основе текстовых сообщений, опубликованных в социальных сетях и других источниках. Модель включает в себя этапы предобработки данных, кластеризации обращений, именования кластеров с использованием языковых моделей и обобщения выявленных проблем.

 Currently, citizens actively participate in public discussions that affect the life of society. With the development of digitalization, users are increasingly using social networks and feedback platforms (FBPs) to express their opinions on various areas of activity. In this regard, there is a need to analyze public sentiment using modern analytical tools in order to identifypotential problems at an early stage. This article describes the development of a mathematical model for analyzing public sentiment based on text messages published on social networks and other sources. The model includes data preprocessing, clustering of requests, naming of clusters using language models, and summarization of identified problems.

математическая модельмашинное обучениенейронные сетиобращения граждананализ общественных настроенийmathematical modelmachine learningneural networkspublic appealsand public sentiment analysisРабота выполнена при финансовой поддержке республиканского бюджета Республики Бурятия, проект №25-28-20352 «Применение методов машинного обучения для оценки эффективности реализации проектов по программе «Комплексное развитие сельских территорий на основе мониторинга изменений актуальных проблем сельских жителей» и НИР «Построение математической модели для исследования общественных настроений их текстовых сообщений, опубликованных в социальных сетях на основе цифровых следов жителей Республики Бурятия».Работа выполнена при финансовой поддержке республиканского бюджета Республики Бурятия, проект №25-28-20352 «Применение методов машинного обучения для оценки эффективности реализации проектов по программе «Комплексное развитие сельских территорий на основе мониторинга изменений актуальных проблем сельских жителей» и НИР «Построение математической модели для исследования общественных настроений их текстовых сообщений, опубликованных в социальных сетях на основе цифровых следов жителей Республики Бурятия».ReferencesAlgorithm Recommendation and Performance Prediction Using Meta-Learning / G. Palumbo, D. Carneiro, M. Guimares [et al.] // International Journal of Neural Systems. – 2023. – Vol. 33, No. 03. – DOI 10.1142/s0129065723500119. – EDN BKIHSA.Algorithm Recommendation and Performance Prediction Using Meta-Learning / G. Palumbo, D. Carneiro, M. Guimares [et al.] // International Journal of Neural Systems. – 2023. – Vol. 33, No. 03. – DOI 10.1142/s0129065723500119. – EDN BKIHSA.Brown T. B. et al. Language Models are Few-Shot Learners // Advances in Neural Information Processing Systems (NeurIPS). – 2020. – Vol. 33. – P. 1877–1901. – URL: https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf (дата обращения: 10.10.2025).Brown T. B. et al. Language Models are Few-Shot Learners // Advances in Neural Infor-mation Processing Systems (NeurIPS). – 2020. – Vol. 33. – P. 1877–1901. – URL: https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf (дата обращения: 10.10.2025).Bunova E.V., Serova V.S. METHODOLOGY FOR SOLVING PROBLEMS OF CLASSIFICATION OF APPEALS/REQUESTS OF CITIZENS TO THE “HOTLINE” OF THE PRESIDENT OF THE RUSSIAN FEDERATION // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. 2022. №2. URL: https://cyberleninka.ru/article/n/methodology-for-solving-problems-of-classification-of-appeals-requests-of-citizens-to-the-hotline-of-the-president-of-the-russian (дата обращения: 01.10.2025).Bunova E.V., Serova V.S. METHODOLOGY FOR SOLVING PROBLEMS OF CLASSIFICATION OF APPEALS/REQUESTS OF CITIZENS TO THE “HOTLINE” OF THE PRESIDENT OF THE RUSSIAN FEDERATION // Вестник ЮУрГУ. Серия: Компьютерные тех-нологии, управление, радиоэлектроника. 2022. №2. URL: https://cyberleninka.ru/article/n/methodology-for-solving-problems-of-classification-of-appeals-requests-of-citizens-to-the-hotline-of-the-president-of-the-russian (дата обращения: 01.10.2025).Crossley, N. :Social Networks of Meaning and Communication / N. Crossley // American Journal of Sociology. – 2023. – Vol. 128, No. 6. – P. 1849-1851. – DOI 10.1086/723877. – EDN JSOZHD.Crossley, N. Social Networks of Meaning and Communication / N. Crossley // American Journal of Sociology. – 2023. – Vol. 128, No. 6. – P. 1849-1851. – DOI 10.1086/723877. – EDN JSOZHD.Development of and research on machine learning algorithms for solving the classification problem in Twitter publications / I. S. Makarov, E. R. Bagantsova, P. A. Iashin [et al.] // Computer Research and Modeling. – 2023. – Vol. 15, No. 1. – P. 185-195. – DOI 10.20537/2076-7633-2023-15-1-185-195. – EDN WWFPKJ.Development of and research on machine learning algorithms for solving the classification problem in Twitter publications / I. S. Makarov, E. R. Bagantsova, P. A. Iashin [et al.] // Computer Research and Modeling. – 2023. – Vol. 15, No. 1. – P. 185-195. – DOI 10.20537/2076-7633-2023-15-1-185-195. – EDN WWFPKJ.Devlin J., Chang M.-W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding // Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL-HLT). – 2019. – Vol. 1. – P. 4171–4186. – DOI: 10.18653/v1/N19-1423.Devlin J., Chang M.-W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding // Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technolo-gies (NAACL-HLT). – 2019. – Vol. 1. – P. 4171–4186. – DOI: 10.18653/v1/N19-1423.Dildora Kabulovna Muhamediyeva, Nigora Nurmaxamadovna Abdurakhmanova, Nilufar Sirojidinovna Mirzayeva USING CONVENTIONAL NEURAL NETWORKS FOR THE PROBLEM OF TEXT CLASSIFICATION // Central Asian Academic Journal of Scientific Research. 2021. №1. URL: https://cyberleninka.ru/article/n/using-conventional-neural-networks-for-the-problem-of-text-classification (дата обращения: 15.10.2025).Dildora Kabulovna Muhamediyeva, Nigora Nurmaxamadovna Abdurakhmanova, Nilufar Sirojidinovna Mirzayeva USING CONVENTIONAL NEURAL NETWORKS FOR THE PROBLEM OF TEXT CLASSIFICATION // Central Asian Academic Journal of Scientific Research. 2021. №1. URL: https://cyberleninka.ru/article/n/using-conventional-neural-networks-for-the-problem-of-text-classification (дата обращения: 15.10.2025).LLM-AIDSim: LLM-Enhanced Agent-Based Influence Diffusion Simulation in Social Networks / L. Zhang, Yu. Hu, W. Li [et al.] // Systems. – 2025. – Vol. 13, No. 1. – P. 29. – DOI 10.3390/systems13010029. – EDN QNDVCX. ScopusLLM-AIDSim: LLM-Enhanced Agent-Based Influence Diffusion Simulation in Social Net-works / L. Zhang, Yu. Hu, W. Li [et al.] // Systems. – 2025. – Vol. 13, No. 1. – P. 29. – DOI 10.3390/systems13010029. – EDN QNDVCX. ScopusLukai Wang, Lei Wang. A Case Study of Chinese Sentiment Analysis of Social Media Reviews Based on LSTM // SHS Web of Conferences 157, 04012 (2023). – URL: https://doi.org/10.1051/shsconf/202315704012 (дата обращения: 01.12.2025).Lukai Wang, Lei Wang. A Case Study of Chinese Sentiment Analysis of Social Media Re-views Based on LSTM // SHS Web of Conferences 157, 04012 (2023). – URL: https://doi.org/10.1051/shsconf/202315704012 (дата обращения: 01.12.2025).Narang Kim, Soongoo Hong. Automatic classification of citizen requests for transportation using deep learning: Case study from Boston city, Information Processing & Management,Volume 58, Issue 1, 2021, 102410, ISSN 0306-4573. URL: https://doi.org/10.1016/j.ipm.2020.102410Narang Kim, Soongoo Hong. Automatic classification of citizen requests for transporta-tion using deep learning: Case study from Boston city, Information Processing & Manage-ment,Volume 58, Issue 1, 2021, 102410, ISSN 0306-4573. URL: https://doi.org/10.1016/j.ipm.2020.102410Ritushree Narayan, Pintu Samanta. A Machine Learning Approach for Sentiment Analysis Using Social Media Posts // International Journal of Information Technology and Computer Science. 2024. – 5 Vol. 16. – P. 23-35. - DOI: 10.5815/ijitcs.2024.05.02Ritushree Narayan, Pintu Samanta. A Machine Learning Approach for Sentiment Analysis Using Social Media Posts // International Journal of Information Technology and Computer Sci-ence. 2024. – 5 Vol. 16. – P. 23-35. - DOI: 10.5815/ijitcs.2024.05.02Robert M. Cronin, Daniel Fabbri and Joshua C. Denny et al. A comparison of rule-based and machine learning approaches for classifying patient portal messages. Int J Med Inform. 2017. Vol. 105:110-120. - DOI: 10.1016/j.ijmedinf.2017.06.004Robert M. Cronin, Daniel Fabbri and Joshua C. Denny et al. A comparison of rule-based and machine learning approaches for classifying patient portal messages. Int J Med Inform. 2017. Vol. 105:110-120. - DOI: 10.1016/j.ijmedinf.2017.06.004Tolebay A.N. SENTIMENT ANALYSIS OF TEXTS FROM SOCIAL NETWORKS BASED ON MACHINE LEARNING METHODS FOR MONITORING PUBLIC SENTIMENT // Вестник науки. 2025. №4 (85). URL: https://cyberleninka.ru/article/n/sentiment-analysis-of-texts-from-social-networks-based-on-machine-learning-methods-for-monitoring-public-sentiment (дата обращения: 05.12.2025).Tolebay A.N. SENTIMENT ANALYSIS OF TEXTS FROM SOCIAL NETWORKS BASED ON MACHINE LEARNING METHODS FOR MONITORING PUBLIC SENTIMENT // Bulletin of Science. 2025. №4 (85). URL: https://cyberleninka.ru/article/n/sentiment-analysis-of-texts-from-social-networks-based-on-machine-learning-methods-for-monitoring-public-sentiment (дата обращения: 05.12.2025).Yang Y F and Zhou H, Zhou B. Data clustering based on the modified relaxation Cheeger cut model. Computational and Applied Mathematics, 2022, 41(1): 55–62.Yang Y F and Zhou H, Zhou B. Data clustering based on the modified relaxation Cheeger cut model. Computational and Applied Mathematics, 2022, 41(1): 55–62.Анохина, И. Ю. Кластеризация сообществ социальной сети "ВКонтакте" / И. Ю. Анохина, Е. В. Рощина // Информатика и кибернетика. – 2018. – № 2(12). – С. 34-42. – EDN UGDRUA.Anokhina, I. Yu. Clustering of VKontakte Social Network Communities / I. Yu. Anokhina, E. V. Roshchina // Informatics and Cybernetics. – 2018. – No. 2(12). – Pp. 34-42. – EDN UGDRUA.Евдошенко Олег Игоревич, Евдошенко Наиля Ильнуровна РАЗРАБОТКА МОДЕЛИ АВТОМАТИЧЕСКОГО КЛАССИФИКАТОРА ОБРАЩЕНИЙ ГРАЖДАН // Прикаспийский журнал: управление и высокие технологии. 2024. №2 (66). URL: https://cyberleninka.ru/article/n/razrabotka-modeli-avtomaticheskogo-klassifikatora-obrascheniy-grazhdan (дата обращения: 07.12.2025).Evdoshenko Oleg Igorevich, Evdoshenko Nailya Ilnurovna DEVELOPMENT OF AN AUTOMATIC CLASSIFIER MODEL FOR CITIZENS' APPEALS // Caspian Journal: Management and High Technologies. 2024. No. 2 (66). URL: https://cyberleninka.ru/article/n/razrabotka-modeli-avtomaticheskogo-klassifikatora-obrashcheniy-grazhdan (accessed: 07.12.2025).Мартышкин, А. И. Возможности выявления эмоционального состояния пользователей социальных сетей с использованием методов машинного обучения / А. И. Мартышкин, В. С. Бритов, Ю. Р. Дроздова // Современные информационные технологии. – 2024. – № 40(40). – С. 25-27. – EDN JTOJBL.Martyshkin, A. I. Opportunities for Identifying the Emotional State of Social Media Users Using Machine Learning Methods / A. I. Martyshkin, V. S. Britov, and Yu. R. Drozdova // Modern Information Technologies. – 2024. – No. 40(40). – Pp. 25-27. – EDN JTOJBL.Мыльникова, А. В. Языковые модели для предобработки текстов в машинном переводе / А. В. Мыльникова, Л. А. Мыльников // Научно-техническая информация. Серия 2: Информационные процессы и системы. – 2025. – № 7. – С. 32-44. – DOI 10.36535/0548-0027-2025-07-3. – EDN ZXFDDT. RCSIMylnikova, A. V. Language Models for Text Preprocessing in Machine Translation / A. V. Mylnikova, L. A. Mylnikov // Scientific and Technical Information. Series 2: Information Pro-cesses and Systems. – 2025.Наумова Наталья Валерьевна, Абрамков Артем Олегович. К ВОПРОСУ ОБ ИСПОЛЬЗОВАНИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В СФЕРЕ РАБОТЫ С ОБРАЩЕНИЯМИ ГРАЖДАН // Гуманитарные, социально-экономические и общественные науки. 2022. №9. URL: https://cyberleninka.ru/article/n/k-voprosu-ob-ispolzovanii-iskusstvennogo-intellekta-v-sfere-raboty-s-obrascheniyami-grazhdan (дата обращения: 25.10.2025).Naumova Natalia Valerievna, Abramkov Artem Olegovich. ON THE USE OF ARTIFICIAL INTELLIGENCE IN WORKING WITH CITIZENS' APPEALS // Humanities, Social Sciences, Economics, and Law. 2022. No. 9. URL: https://cyberleninka.ru/article/n/k-voprosu-ob-ispolzovanii-iskusstvennogo-intellekta-v-sfere-raboty-s-obrashcheniyami-grazhdan (ac-cessed: 25.10.2025).Овездурдыева Ирина Курбангельдыевна, Гараджаева Джемал Язмырадовна. Анализ социальных сетей с помощью искусственного интеллекта: современные подходы и перспективы // Наука и мировоззрение. 2025. №55. URL: https://cyberleninka.ru/article/n/analiz-sotsialnyh-setey-s-pomoschyu-iskusstvennogo-intellekta-sovremennye-podhody-i-perspektivy (дата обращения: 18.11.2025).Ovezdurdyeva Irina Kurbangeldievna, Garadzhaeva Dzhemal Yazmyradovna. Analysis of Social Networks Using Artificial Intelligence: Modern Approaches and Prospects // Science and Worldview. 2025. No. 55. URL: https://cyberleninka.ru/article/n/analiz-sotsialnyh-setey-s-pomoschyu-iskusstvennogo-intellekta-sovremennye-podhody-i-perspektivy (accessed: 18.11.2025).Сайфулла С., Дрежевски Р., Двиянто Ф. А., Арибово А. С., Фаузия Ю. (2023). Анализ тональности с использованием подхода машинного обучения, основанного на извлечении признаков, для выявления тревожности. В кн.: Микишка, Я., де Мулатье, К., Пашински, М., Кржижановская, В. В., Донгарра, Дж. Дж., Слоот, П. М. (ред.) Вычислительная наука — ICCS 2023. ICCS 2023. Конспект лекций по информатике, том 14074. Springer, Cham. https://doi.org/10.1007/978-3-031-36021-3_38Saifulla S., Drezhevski R., Dwiyanto F. A., Aribowo A. S., and Fauzia Y. (2023). Analysis of sentiment using a feature-based machine learning approach to detect anxiety. In: Mikishka, J., de Mulatier, C., PashyТумбинская М.В., Галиев Р.А. Идентификация фейк-новостей с помощью веб-ресурса на основе нейронных сетей // Программные продукты и системы. 2023 Т. 36 № 4 С. 590–599. DOI: 10.15827/0236-235X.142.590-599Tumbinskaya M.V., Galiev R.A. Identification of Fake News Using a Web Resource Based on Neural Networks // Software Products and Systems. 2023 Vol. 36 No. 4 Pp. 590–599. DOI: 10.15827/0236-235X.142.590-599Улизько Максим Валерьевич, Ватьян Александра Сергеевна, Гусарова Наталия Федоровна, Добренко Наталья Викторовна. Применение больших языковых моделей для юридических экспертиз // ЭПИ. 2025. №1. URL: https://cyberleninka.ru/article/n/primenenie-bolshih-yazykovyh-modeley-dlya-yuridicheskih-ekspertiz (дата обращения: 18.10.2025).Ulizko Maxim Valerievich, Vatyan Alexandra Sergeevna, Gusarova Natalia Fedorovna, Dobrenko Natalia Viktorovna. The use of large language models for legal expertise // EPI. 2025. No. 1. URL: https://cyberleninka.ru/article/n/primenenie-bolshih-yazykovyh-modeley-dlya-yuridicheskih-ekspertiz (date of access: 18.10.2025).Ярушкина, Н. Г. Применение языковых моделей word2vec и bert в задаче сентимент-анализа текстовых сообщений социальных сетей / Н. Г. Ярушкина, В. С. Мошкин, А. А. Константинов // Автоматизация процессов управления. – 2020. – № 3(61). – С. 60-69. – DOI 10.35752/1991-2927-2020-3-61-60-69. – EDN GHTFEZ.Yarushkina, N. G. Application of the word2vec and bert language models in the task of sentiment analysis of text messages on social networks / N. G. Yarushkina, V. S. Moshkin, A. A. Konstantinov // Automation of management processes. – 2020. – No. 3(61). – Pp. 60-69. – DOI 10.35752/1991-2927-2020-3-61-60-69. – EDN GHTFEZ.

The authors declare that there are no conflicts of interest present.