Диссертация (1137237), страница 14
Текст из файла (страница 14)
Это связано с непредсказуемым возникновением различныхсобытий, а также непредсказуемым поведением акторов сетевого сообщества.904.Порядок движения сетевого сообщества нельзя считать переходным.Однако оно может находиться в переходном состоянии в момент перемещениямежду двумя слоями текстуры. Подобную ситуацию в настоящей работепредлагается описывать в рамках принципов «черного ящика».5.Эргодический порядок движения также не может корректно описыватьперемещение сетевого сообщества в текстурированном пространстве состояний,поскольку для сетевого сообщества, в общем случае, сложно прийти кпредварительно установленному состоянию.
Это дополнительно усложняется,если учитывать особенности больших данных и вытекающие из них проблемы.Однако, все-таки можно выделить отдельные частные случаи. Например, еслирассмотреть корпоративные сетевые сообщества, в которых акторы могутнаходится под влиянием достаточно сильных управленческих воздействий,которые направлены на достижение определенных результатов с целью развитиякомпании.С практической стороны анализ показывает, что маркетинговые страницызанимают специальное место среди аккаунтов, зарегистрированных в сети.Различные компании, индивидуальные проекты или продукты, известныемузыканты и кинозвезды имеют аккаунты в различных социальных сетях.Значение представленности бренда в социальных сетях возрастает с течениемвремени.
Соответственно, маркетинг в социальных сетях составляет все большуюи большую часть тех или иных маркетинговых кампаний.Для привлечения интереса пользователей недостаточно просто разместить настранице рекламную информацию о продукте или услугах. Особенно важнопродумать стратегию поддержания аккаунта и стратегию его наполнения. Анализпоказывает, что компании часто передают информацию с новостных страниц длятого, чтобы поддерживать интерес пользователя.
Это ведет к дополнительномураспространению информации.Полученныерезультатыанализаметрикивизуализациитакжеиллюстрируют процесс перехода рассматриваемых сетей из эгоцентриванного91состояния в полицентрированное, что позволяет сделать вывод о повышениистепени децентрализации сети с течением времени (для сетей, которые вначальный момент исследования имели склонность к полицентрированности), чтосвидетельствует о снижении уровня авторитаризма в сети, увеличении числаинформационных брокеров и, соответственно, повышения вариативности припринятии решений.
Процессы централизации или децентрализации сети могутпрямо или косвенно оказывать влияние на механизмы выработки управленческихрешений в социальных сетях. Перечисленные характеристики могут повыситьнадежность сетевого взаимодействия, поскольку в случае совершения ошибкиодним из лидеров, ситуация может быть скорректирована конкурентнымимнениями других лидеров или рядовых акторов.Подобнаякартинатакженаблюдаетсяприисследованииработыпрофессиональных сообществ. Так, в момент создания группы, сообществоэгоцентрировано. Однако, с течением времени, при активной деятельностисообщества, с появлением новых дискуссий проявляется полицентрированность.3.6.Качественный анализ процесса межслойного переходаПоскольку, как было отмечено, сети отличаются большими масштабами иразнородностью, то в целях разработки наиболее адекватных методик для ихисследования, моделирования и оптимизации целесообразно условно разделятьэти внушительные произвольно действующие динамичные конгломераты науровни: макро и микро, – полагая при этом, что выводы и показатели, корректныедля макроуровня, будут аналогичными и на микроуровне.
Отсюда предлагаетсяследующий – поуровневый – подход, основанный на модели текстурированногопространства состояний.Исследуемое пространство условно разделено на 2 уровня.Первый уровень представляет собой уровень визуальных образов. Егоавтоматический мониторинг позволяет выявить возможные отклонения. И в92случае выявления таковых, осуществляется переход на микроуровень – уровеньконкретного слоя текстуры.Согласно предлагаемой методике на макроуровне ведется работа свизуальными слоями и, соответственно, принимаются решения, затрагивающиеуровеньмакропоказателейсети,например,«конвейернаяобработка»визуализированных представлений сети (т.е. слоев текстуры) в режиме реальноговремени с целью выявления «отклонений» в состоянии сети.Скорость изменения состояния сети чрезвычайно высока.
В связи смасштабами современных сетей постоянный мониторинг усложняется. Этоозначает, что нужно автоматически определять такие состояния и точки, ккоторым, и в какой момент, необходимо применять управляющее воздействие.Практически, на глобальном уровне, предлагается проводить выявлениесущественных изменений на уровне образов – или геометрических отображенийструктуры сети. Происходит изучение визуальных образов – «срезов» сети вопределенные моменты времени (слоев в текстурированном пространствесостояний).
Используя визуальные образы, автоматическим образом решаетсязадача о сходстве изображений. В случае выявления отличий, дается сигнал, чтоизображения не совпадают друг с другом. Делается вывод о наступлениизначимого события.В случае выявления отклонений или существенных изменений на первомуровне, следует проводить более глубокие исследования сети с цельюпредметного анализа происходящего.
Делается вывод о предполагаемомформировании нового слоя текстуры и происходит переход к микроуровню – кизучению конкретного слоя, на котором выявилось отклонение, а такжедетальному изучению факторов, вызвавших это изменение.Заисключениеммоделидиффузииинформации[110]практическиотсутствуют модели, основанные на идеях и формализме теории нелинейныхдифференцируемых динамических систем [38]. В последнее время подходы93данной теории успешно применяются в моделировании динамических системразной природы [11].Ниже предлагается инструментарий исследования на микроуровне сприменением дифференциальных уравнений в сетях, основанных на принципе«микроблогинга», наиболее известной из которых является Twitter [20].Предполагается, что подобную социальную сеть можно считать такойдинамической системой, которая из совокупного действия индивидуальныхинтересов вырабатывает агрегированные факторы (потоки), которые начинаютпроявляться в макромасштабе и действовать по законам детерминированныхсвязей и отношений.В терминологии популяционной динамики пользователи микроблогинговыхсетей находятся в отношении мутуализма, в одном из типов симбиотическихотношений,прикотороммежпопуляционныевзаимодействияявляютсяобязательными [2].
В этом случае необходимо существование отправителей иполучателей заметок (твитов, в случае Twitter) – в отсутствии одного из этихвидов другой вид вымирает (нет отправителей – нет получателей, нет получателей– нет смысла в отправителях).Таким образом, сеть исследуется как динамическая система, с учетоминформационногонасыщенияполучателейиресурсно-информационноговзаимодействия отправителей и получателей.Для достижения данной цели нужно рассмотреть следующие вопросы:1. Определение ненулевого равновесного числа отправителей и получателейсообщений.2.
Определение параметрических условий существования ненулевогоравновесного числа отправителей и получателей.Итак, в сети выявилось существенное изменение. Тогда, например, – дляслучая Twitter, можно сделать предположение, что это произошло в результатепересылок твитов.94Оператор, отображающий эволюционность преобразований в сети Twitter,сведенной в модели к системе текстурированного пространства состояний,определяется дискретной динамикой временных срезов, абстрагируемой в видетекстурных площадок эволюционного каскада с нарастанием когнитивностиинформационного ресурса. Естественно, что способы задания эволюционногооператора достаточно многообразны. Прианализе системы отправитель-получатель удобно задавать его в виде дифференциального преобразователя(системыдифференциальныхасимптотическиустойчивойуравнений,ненулевойдающихрешениеравновеснойточкиприпоискесистемы,с«ненавязываемой» субъектом управления эволюцией).
При этом попутно внеобходимых случаях имеет смысл пользоваться преимуществами графическихили функциональных интерпретаций.Динамику системы «отправители-получатели» предлагается моделироватьсистемами автономных обыкновенных дифференциальных уравнений первогопорядка,где– число отправителей заметок,– число получателейзаметок.Для определения равновесных точек системы и анализа их устойчивостипроводился качественный анализ динамических систем в первом приближении.Основу такого анализа составляет теорема Ляпунова об устойчивости по первомуприближению [106]: если все собственные значения якобиана автономнойсистемы имеют отрицательные действительные части (), тосоответствующая равновесная точка является асимптотически устойчивой.Равновесное состояние является асимптотически устойчивым, если малыеотклонения от него со временем затухают [106].Далеерассматриваютсяианализируютсяопределенными уровнями ограниченности.динамическиемоделис95В отсутствие каких-либо ограничений (мальтузианская система), динамикапары «отправитель-получатель» в простейшем случае описывается динамическойсистемойНаличие произведенияв правых частях динамической системы отражаетфакт асимптотического стремления к нулю числа отправителей и получателейзаметок при «вымирании» одного из этих видов.
Членыисоответствуют уменьшению числа отправителей и получателей заметок соскоростямии, соответственно; членыи– увеличению числаотправителей и получателей заметок за счет их взаимодействия со скоростямии(в случае Twitter может быть приведен следующий пример: отправлениеответов от получателей к отправителям твитов с последующим отправлением иполучением дополнительных твитов, отправление ретвитов подписчикам).Проведем качественный анализ системы (1) в первом приближении.Система (1) имеет две равновесные точки – нулевуюи ненулевую. Якобиан системы (1):.Собственные значения якобиана в точке()–,отрицательные числа. Следовательно, по теореме Ляпунова об устойчивости впервом приближении нулевая равновесная точка является асимптотическиустойчивой.Если, тоданное положение равновесияасимптотически устойчивым узлом.
Еслиявляется, то данное положениеравновесия является асимптотически устойчивым дикритическим узлом. В обоихслучаях число отправителей и получателей заметок асимптотически стремится кнулю – что в пределе соответствовало бы «вымиранию» сети. На рис. 13представлено схематическое изображение фазовой диаграммы, изображающейасимптотически устойчивый узел (множество траекторийсистемы при96различных начальных условиях). Очевидна сходимость траекторий к равновеснойточке, в данном случае к точке. Асимптотически устойчивый узел являетсяодним из видов аттракторов (траектории притягиваются к равновесной точке)[106].Рисунок 13. Асимптотически устойчивый узелСобственные значения якобиана в точке() –действительные числа разных знаков.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
