Nenawistnye wyskazywaniq i presledowaniq shiroko rasprostraneny w onlajn-obschenii, chto obuslowleno swobodoj i anonimnost'ü pol'zowatelej i otsutstwiem regulirowaniq social'nyh setej. V swqzi s ätim kibertrolling i trawlq qwlqütsq ser'eznoj problemoj obschestwa. Chtoby preodolet' ätu problemu, my mozhem ispol'zowat' wozmozhnosti mashinnogo obucheniq dlq obnaruzheniq qzyka wrazhdy, chtoby ulowit' obschie swojstwa iz obschih naborow dannyh po temam i perenesti äti znaniq na raspoznawanie konkretnyh proqwlenij qzyka wrazhdy s pomosch'ü NLP, ML i analiza. Nasha glawnaq cel' - primenit' ätu slozhnuü i äffektiwnuü model' na textowyh dannyh, chtoby poluchit' optimal'nye i tochnye rezul'taty. My ispol'zowali razlichnye metody mashinnogo obucheniq i glubokogo obucheniq, wklüchaq mul'timodal'nye podhody. My ispol'zuem nabor dannyh, razdelennyj na takie temy, kak zhenonenawistnichestwo, sexizm, rasizm, xenofobiq, gomofobiq. Obuchenie modeli na kombinacii neskol'kih (trenirowochnyh naborow iz neskol'kih) tematicheskih naborow dannyh bolee äffektiwno, chem obuchenie modeli na atopicheskom obschem nabore dannyh. Nabory dannyh mogut byt' sobrany iz razlichnyh istochnikow, takih kak YouTubeAPI, Twitter API, web-skrepping ili iz razlichnyh prawitel'stwennyh istochnikow. Nasha cel' - wypolnit' predwaritel'nuü obrabotku i razwedochnyj analiz sobrannyh dannyh i sdelat' na ih osnowe wywody,