Диссертация (1137237), страница 16
Текст из файла (страница 16)
Как правило, они могут предоставить внешним аналитикам информацию осостоянии сети в определенный момент времени. Однако, для внешнегоаналитика представляет интерес автоматизированный анализ динамики с цельювыявления новых качественных состояний сети, который уже после выявленияновогосостоянияпредоставлялбыему информациюопроизошедшихизменениях. Такой сервис позволил бы аналитику, вместо постоянного изучениясостояния сети в отдельные моменты времени, проводить детальный анализтолько в отмеченные моменты, что привело бы к повышению эффективности егоработы за счет экономии времени.На основе предложенного в настоящей работе комплексного подходаразработанаструктурно-функциональнаясхемапрограммногообеспечениямониторинга и анализа сетевого сообщества (рис.
16). Показанная схема отражаетпредлагаемый комплекс мониторинга динамики. При реализации в качестве105компонентов комплекса в исследовательских целях использовалось программноеобеспечение анализа и визуализации NodeXL и оригинальные модули.Социальная сетьмакроуровеньМониторингУстановление сходства слоевОпределение режима движения«аномальный»слоймикроуровеньАналитикаАнализ параметров «аномального» слояКачественный анализ межслойногопереходаСистема принятия решенийРисунок 16. Структурно-функциональная схемаФункциипроектируемогопрограммногокомплексаразделенына2подсистемы: макро- и микроуровень. Алгоритм работы вышепоказанной схемы106заключается в следующем.На макроуровне осуществляется автоматический мониторинг сети на уровневизуальных образов, а также обработка визуализированных представлений слоевтекстуры на предтекстурном уровне (т.е., как фиктивных, так и реальных слоевкаскадно текстурируемого пространства состояний сообщества) на предметобнаружения значимых изменений, т.е.
выявления «аномальных» слоев (новых,качественно измененных слоев текстуры). Для этого изначально на базевнутренних моделей сети (таких, как, например, вышеописанные,,), нос учетом открытых данных, предоставляемых сервисами аналитики, строятсякластерные модели, визуализирующие сеть в том или ином аспекте.На этом уровне использовалось программное обеспечение анализа ивизуализацииNodeXL,интегрируемоесMSExcelдляполучениявизуализированных представлений срезов сети, а также метрик для дальнейшегоисследования.Визуализированные представления получаются в следующем виде (рис.
17):Рисунок 17. Пример визуализированного среза сетиДля выделения «аномального» слоя и выявления возможности формированиянового слоя текстуры разработан следующий алгоритм (рис. 18):107Исходный момент времени t=0Ввод исходного изображения,принимаемого за «эталон»t = t +1Принятие нового изображенияза «эталон» для дальнейшегосравнения (даже еслиизменение произошло надопустимую Δ)Автоматическое поступление новогоизображения (срез в новый моментвремени)Сравнение нового изображения с«эталоном» - предыдущимВыявление степени сходствадаИзображения «условно»совпадают (с учетомдопустимого отклоненияΔ)нетСигнал о возможности формированиинового слоя текстуры.(для параллельной работы на уровне2 – интерпретации объясненияпричин)Рисунок 18.
Алгоритм выявления «аномального» слоя текстурированногопространства состояний сетевого сообщества.108Кроме того, для анализа на этом этапе предоставляются следующиестандартные метрики [83]:количество вершин и ребер (Total Edges and Vertices),количество связанных компонентов (Connected Components),диаметр графа (Geodesic Distance),плотность графа (Graph Density),коэффициент кластеризации (Clustering Coefficient),мера степени промежуточности (Betweenness Centrality),мера близости (Сloseness Centrality)мера собственных векторов (Eigenvector Centrality)Результат получается в табличной форме, например, для рассматриваемойсети Twitter таблица выглядит следующим образом (рис.
19):Таким образом, в результате работы подсистемы макроуровня (NodeXL имодуль Program 1) выявляется, своего рода, «аномальный» слой, характеристикикоторого поступают в подсистему анализа (для более подробного исследованияпричин изменений) и затем – в систему принятия решений.На микроуровне (межслойный уровень) осуществляется детальный анализпараметров «аномального» слоя (вышеописанных метрических показателейсообщества, как графовой структуры) и качественный анализ межслойногоперехода (основанный на применении дифференциальных уравнений) с цельюсопровождения системы принятия решений.Врезультатекачественногоположительные равновесные точки.анализаопределяютсяненулевые109Top URLs in Tweet in Entire Graph1.2.3.…Top Domains in Tweet in Entire Graph1.2.3.…Top Hashtags in Tweet in Entire Graph1.2.3.…Top Words in Tweet in Entire Graph1.2.3.…Top Word Pairs in Tweet in Entire Graph1.2.3.…Top Replied-To in Entire Graph1.2.3.…Top Mentioned in Entire Graph1.2.3.…Top Tweeters in Entire Graph1.2.3.…Entire Graph CountEntire Graph CountEntire Graph CountEntire Graph CountEntire Graph CountEntire Graph CountEntire Graph CountEntire Graph CountРис.
19. Пример таблицы с метриками1103.9.Выводы по главе 31. В третьей главе рассматривается вопрос мониторинга и анализаэволюционного перехода в текстурированном пространстве состояний с цельюуправления информационно-ресурсным потенциалом (подробно описанным вглаве 1). Для этой цели предлагается оригинальный метод анализа иидентификации эволюционного перехода.2. Для решения поставленной задачи разработки метода управленияэволюционными переходами при эволюционном развитии сетевого сообщества,предлагается следующий подход. Социальная сеть рассматривается, как такаядинамическая система, которая из совокупного действия индивидуальныхинтересов вырабатывает агрегированные факторы (потоки), которые начинаютпроявляться в макромасштабе и действовать по законам детерминированныхсвязей и отношений.
В терминологии популяционной динамики пользователимикроблогинговых сетей находятся в отношении мутуализма – в одном из типовсимбиотических отношений, при котором межпопуляционные взаимодействияявляются обязательными. В этом случае необходимо существование отправителейи получателей заметок (твитов, в случае Twitter) – в отсутствии одного из этихвидов другой вид вымирает (нет отправителей – нет получателей, нет получателей– нет смысла в отправителях).3. Подход к исследованию сети, как динамической системы с учетоминформационноговзаимодействиянасыщенияотправителейполучателейииполучателей,ресурсно-информационногопозволилрассмотретьипроанализировать динамические модели с различными уровнями ограниченности.4. Анализ моделей показал, что модель, одновременно учитывающая какнасыщение отправителей и получателей, так и фактор взаимодействия междуними, наиболее адекватно отражает нелинейную динамику отправителей иполучателей заметок.1115.Наосновепредложенногокомплексногоподходаразработанаструктурно-функциональная схема программного обеспечения мониторинга ианализасетевогоподдержки.качественныйсообществаСпроектировананализдлякомплексэволюционногообеспеченияпрограмм,развитияоригинальные модули анализа межслойного перехода.егоавтоматизированнойпозволяющийсообщества,проводитьвключающий112ЗАКЛЮЧЕНИЕ1.На основе уточненного в работе категорийного аппарата областиэволюционно-динамического моделирования социальных сетей и сетевыхсообществ, а также анализа методологической базы, разработан оригинальныйподход к анализу и моделированию сетевого сообщества на основе концепциитекстурированных сред, характеризующий поведение сетевого сообщества, каксистемы в условно текстурированном пространстве состояний.2.
Врамкахоригинальнаяпредложенногоинтегрированнаятекстурированнойсредысетевогометодическогоподходаинформационно-акторнаясообщества,разработанамодельориентированнаяслоянаегодвойственную сущность, как системы пользовательских учетных записей иединого информационного ресурса сетевого сообщества.3.Врезультатемоделированияпроведенногодинамическиханализасистемсуществующихипринциповпринциповэволюциисамоорганизующихся систем, разработана новая модель эволюционного развитиясетевого сообщества.4.
Для разработанной модели эволюции сетевого сообщества предложеноригинальный метод управления эволюционным переходом, базирующийся накачественном анализе поведения сетевого сообщества в динамике.5. На основе проведенных экспериментов в реальных сетях выделены иохарактеризованы основные режимы движения сетевого сообщества в ходеэволюции.6.
Спроектированкачественныйанализкомплекспрограмм,эволюционногоразвитияоригинальные модули анализа межслойного перехода.позволяющийсообщества,проводитьвключающий113СПИСОК ЛИТЕРАТУРЫ1.Алиев Т.И. Основы моделирования дискретных систем: учебноепособие. – СПб.: СПбГУ ИТМО, 2009. – 363 с.2.Базыкин А.Д. Нелинейная динамика взаимодействующих популяций.– Москва-Ижевск: Институт компьютерных исследований, 2003. – 368 с.3.Барановская Т.П., Лойко В.И., Семенов М.И., Трубилин А.И.Информационные системы и технологии в экономике: Учебник.
– 2-е изд., доп. иперераб. / Под ред. В.И. Лойко. – М.: Финансы и статистика, 2005. – 416 с.4.Барахнин В.Б., Федотов А.М. Ресурсы сети Интернет как объектнаучного исследования // Известия высших учебных заведений. Проблемыполиграфии и издательского дела. – 2008. – № 1. – С.70-71.5.Бартусявичюс Э.В. Влияние сходства форм изображений на точностьих узнавания: дис. … канд. биол. наук: 03.00.02 / Бартусявичюс ЭвальдасВладович. – Вильнюс, 1984. – 160 с.6.Белоусов А.И., Ткачев С.Б. Дискретная математика: Учеб. для вузов /Под ред.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
