Метою статті є створення системи аналізу даних методу виявлення тролінгу шляхом визначення тональності текстового контенту соціальних мереж; отримання показників, які характеризують наявність ознак тролінгу в тексті; обчислення для цих показників інформаційної ентропії текстового контенту та порівняння її числового значення із допустимим граничним. Методами дослідження є аналіз відповідності аналітичних систем висунутим до них вимогам і виявлення переваг нейромережевого підходу порівняно з традиційними математичними методами: математичної статистики, кластерного, регресійного, факторного аналізу. Як інтелектуальну систему аналізу даних, що найбільш задовольняє сучасним вимогам до аналітичних систем, в даній роботі пропонується вибрати класс систем з використанням технології нейромережевого аналізу. Новизною проведеного дослідження є побудова штучної нейромережі, яка володіє наступними перевагами: високоефективна паралельно-послідовна обробка інформації, максимальний потенційний паралелізм і найбільш ефективне використання будь-якої паралельної обчислювальної архітектури у порівнянні з іншими обчислювальними технологіями. Висновок. Масовий паралелізм нейрообчислень, необхідний для ефективної обробки образів, забезпечується локальністю обробки інформації в нейромережах. Кожен нейрон реагує лише на локальну інформацію, що надходить до нього в даний момент від пов’язаних з ним таких же нейронів, без апеляції до загального плану обчислень. Таким чином, нейромережеві алгоритми локальні, і нейрони здатні функціонувати паралельно.