Науковий вісник НЛТУ України (Nov 2024)
Виявлення та ідентифікація групових топологій як внутрішніх мікроструктур у глобальних соціальних мережах
Abstract
Досліджено соціальні мережі як ключовий елемент сучасного інформаційного суспільства, що активно формує як повсякденне життя, так і професійну діяльність громадян. Проаналізовано методи кластеризації для виявлення групових топологій (кластерів) та складних структурних залежностей між учасниками великих соціальних мереж. Встановлено, що соціальні мережі, в контексті стрімкого розвитку цифрових технологій, виступають не тільки платформами для спілкування, а й важливими інструментами обміну інформацією, впливу на громадську думку та організації професійних зв'язків. Розроблено та впроваджено ефективні алгоритми, що оптимізують процес ідентифікації взаємозв'язків у графах соціальних мереж, зокрема алгоритми Louvain та Girvan-Newman. Застосовано новий підхід на підставі штучного інтелекту, який інтегрує методи машинного навчання для розкриття складних взаємозалежностей між учасниками мережі. Це підвищує ефективність аналізу великих даних, забезпечуючи точніше виявлення закономірностей та прогнозування динаміки розвитку соціальних мереж. Проведено серію комп'ютерних експериментів, які містили аналіз ефективності алгоритмів Louvain та Girvan-Newman у кластеризації соціальних мереж, а також застосування методів штучного інтелекту для розкриття складних взаємозалежностей між учасниками мережі. Кожен експеримент складався з кількох спостережень, що дало змогу всебічно оцінити адаптивність та ефективність запропонованих методів у різних умовах та з різними типами даних. Результати проведених експериментів демонструють значне покращення виявлення структурних залежностей з підвищенням рівня навчання моделей, що свідчить про високу адаптивність запропонованих методів до змінних умов та їхню здатність ефективно працювати з різноманітними типами даних. Встановлено, що алгоритм Louvain відзначається високою ефективністю під час оброблення великих масштабів даних, що є критично важливим для аналізу сучасних соціальних мереж, які характеризуються величезною кількістю користувачів і динамічними змінами їхніх взаємодій. Алгоритм Girvan-Newman дає змогу детально розкривати структурні особливості мережі через виділення спільнот на підставі центральності ребер, що сприяє глибшому розумінню внутрішніх механізмів взаємодії між її учасниками. Оцінено стійкість соціальних мереж до зовнішніх впливів, таких як кібератаки, інформаційні війни чи соціальні потрясіння. Аналіз показав, що соціальні мережі здатні зберігати свою функціональність навіть за умов часткової фрагментації або розпаду окремих частин, завдяки високому ступеню децентралізації та наявності резервних каналів зв'язку. Це має важливе значення для забезпечення надійності та стабільності інформаційних екосистем у сучасному суспільстві. Впроваджені результати мають значний потенціал для розроблення нових технологічних інструментів, які забезпечать поглиблений аналіз соціальних мереж, оптимізацію процесів поширення інформації та прогнозування потенційних сценаріїв дезінтеграції мереж. Висновки та рекомендації можуть бути застосовані як у наукових, так і в практичних цілях, сприяючи подальшому розвитку та вдосконаленню інструментів аналізу соціальних мереж, підвищенню ефективності управління інформаційними потоками, покращенню стратегій маркетингу та комунікацій, а також забезпеченню безпеки та стабільності соціальних структур. Це дослідження є важливим внеском у галузь аналізу соціальних мереж і має велике значення для розробників технологій штучного інтелекту, соціологів, аналітиків даних, а також для всіх, хто прагне глибше зрозуміти механізми функціонування соціальних мереж і їхній вплив на сучасне суспільство. Висновки та рекомендації, отримані в процесі дослідження, можуть бути застосовані як у наукових, так і в практичних цілях, сприяючи подальшому розвитку та вдосконаленню інструментів аналізу соціальних мереж.
Keywords
