УДК 303.092.5
Абрамов К.Г., Монахов Ю.М.
Стохастические модели распространения нежелательной информации в социальных сетях
Владимирский государственный университет имени А.Г. и Н.Г. Столетовых
This work presents the results of an experimental study of the distribution of unwanted information in social networks. We consider the classification of the topologies of social networks, the parameters identified in order to relate the topology of a real network with one of the classes. We propose an algorithm for finding a percolation cluster. An analytical solution of the spread of unwanted information for SIR model.
Keywords: social network modeling, topology, cluster, dissemination of information.
В работе представлены результаты экспериментального исследования распространения нежелательной информации в социальных сетях. Рассмотрена классификация топологий социальных сетей, выявлены параметры для соотнесения топологии реальной сети с одним из классов. Предлагается алгоритм нахождения перколяционного кластера. Получено аналитическое решение распространения нежелательной информации для SIR модели.
Ключевые слова: социальная сеть, моделирование, топология, кластер, распространение информации.
Результаты исследования показывают интенсивный рост активности пользователей в социальных сетях, что наблюдается и во всей сети Интернет [1]. В настоящее время существуют множество факторов, способствующих появлению массового распространения нежелательной информации в социальных медиа. Задача противодействия этим явлениям крайне актуальна, очень сложна и имеет множество аспектов, одним из которых является моделирование и методы предсказания. Самым простым подходом является использование классических эпидемиологических моделей, разработанных еще в XIX веке для изучения эпидемий инфекционных заболеваний и основанных на системах дифференциальных уравнений. Однако эти модели достаточно примитивны и не учитывают некоторых особенностей процесса [2]. Существующие модели распространения обладают многими недостатками, разработка новых моделей актуальна и необходима для предсказания характера эпидемий и противодействия им.