moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.48.1.033 1906 Выявление признаков расстройств пищевого поведения в текстах социальных сетей и сетевой анализ этих пользователей Detection of eating disorders in social media texts and network analysis of affected users 0009-0001-6073-3754 Солохов Тимур Дамирович Solokhov Timur Damirovich timurkass@list.ru aff-1 Финансовый университет при Правительстве Российской Федерации Financial University under the Government of the Russian Federation 01 01 2026 1 1 10.26102/2310-6018/2025.48.1.033 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Расстройства пищевого поведения (РПП) являются одной из наиболее актуальных проблем в области общественного здравоохранения, затрагивающей представителей различных возрастных и социальных групп. На фоне стремительного роста цифровизации и популярности социальных сетей появляется возможность выявления признаков РПП через анализ пользовательских текстов, публикуемых в онлайн-пространстве. В настоящем исследовании представлен комплексный подход, сочетающий методы обработки естественного языка (Natural Language Processing, NLP), векторизацию Word2Vec и нейросетевую архитектуру для бинарной классификации текстов. Модель позволяет определять, связано ли содержание публикации с расстройствами пищевого поведения. Также в работе был реализован сетевой анализ, направленный на изучение структуры социальных взаимодействий пользователей, публикующих соответствующие сообщения. Экспериментальные результаты показали высокие значения точности (precision = 0,87), полноты (recall = 0,84) и общего качества модели, что подтверждает ее практическую применимость. Сетевой анализ выявил наличие кластеров пользователей с признаками РПП, что может указывать на эффект «социального заражения» – распространения дисфункциональных паттернов поведения в пределах социальных связей. Полученные результаты подчеркивают потенциал использования технологий NLP и графового моделирования для раннего выявления, мониторинга и профилактики РПП на уровне цифровых следов.

Eating disorders (EDs) are among the most pressing issues in public health, affecting individuals across various age and social groups. With the rapid growth of digitalization and the widespread use of social media, there emerges a promising opportunity to detect signs of EDs through the analysis of user-generated textual content. This study presents a comprehensive approach that combines natural language processing (NLP) techniques, Word2Vec vectorization, and a neural network architecture for binary text classification. The model aims to identify whether a post is related to disordered eating behavior. Additionally, the study incorporates social network analysis to examine the structure of interactions among users who publish related content. Experimental results demonstrate high precision (0.87), recall (0.84), and overall performance, confirming the model’s practical applicability. The network analysis revealed clusters of users with ED-related content, suggesting the presence of a "social contagion" effect – here dysfunctional behavioral patterns may spread through online social connections. These findings highlight the potential of NLP and graph-based modeling in the early detection, monitoring, and prevention of eating disorders by leveraging digital traces left in online environments.

 расстройства пищевого поведения анализ текстов машинное обучение нейросетевые модели обработка естественного языка социальный граф сетевой анализ eating disorders text analysis machine learning neural network models natural language processing social graph network analysis Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Мовсисян К.Р. Влияние социальных сетей на формирование и развитие расстройств пищевого поведения. Северо-Кавказский психологический вестник. 2022;20(1):15–28. Lerman K., Karnati A., Zhou Sh., et al. Radicalized by Thinness: Using a Model of Radicalization to Understand Pro-Anorexia Communities on Twitter. arXiv. URL: https://doi.org/10.48550/arXiv.2305.11316 [Accessed 4th April 2025]. Ramírez-Cifuentes D., Freire A., Baeza-Yates R., et al. Characterization of Anorexia Nervosa on Social Media: Textual, Visual, Relational, Behavioral, and Demographical Analysis. Journal of Medical Internet Research. 2021;23(7). https://doi.org/10.2196/25925 Frieiro Padín P., González-Rodríguez R., Verde-Diego C., Vázquez-Pérez R. Social Media and Eating Disorder Psychopathology: A Systematic Review. Cyberpsychology: Journal of Psychosocial Research on Cyberspace. 2021;15(3). https://doi.org/10.5817/CP2021-3-6 Wang T., Brede M., Ianni A., Mentzakis E. Detecting and Characterizing Eating-Disorder Communities on Social Media. In: WSDM '17: Proceedings of the 10th ACM International Conference on Web Search and Data Mining, 06–10 February 2017, Cambridge, United Kingdom. New York: Association for Computing Machinery; 2017. P. 91–100. https://doi.org/10.1145/3018661.3018706 Dane A., Bhatia K. The Social Media Diet: A Scoping Review to Investigate the Association Between Social Media, Body Image and Eating Disorders Amongst Young People. PLOS Global Public Health. 2023;3(3). https://doi.org/10.1371/journal.pgph.0001091 Тукаев Р.Д. Триггерные механизмы биологического и психического стресса в соотнесении с диатез-стрессовыми моделями психиатрии. Социальная и клиническая психиатрия. 2012;22(2):69–77. Солнышкина М.И., Макнамара Д.С., Замалетдинов Р.Р. Обработка естественного языка и изучение сложности дискурса. Russian Journal of Linguistics. 2022;26(2):317–341. https://doi.org/10.22363/2687-0088-30171 Петров А.Н., Иванова Г.Ф., Славутская Е.В. Обучение нейросети как инструмент системного анализа многомерных данных психодиагностики. Вестник Чувашского университета. 2018;(1):162–168. Славутская Е.В., Абруков В.С., Славутский Л.А. Нейросетевой системный анализ уровневых психологических характеристик. Вестник Чувашского университета. 2016;(1):164–173.

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