МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА РАСПРОСТРАНЕНИЯ НОВОСТЕЙ В СОЦИАЛЬНЫХ СЕТЯХ

  • Pavel Vasilevich Khrapov Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет) http://orcid.org/0000-0002-6269-0727
  • Valeriya Arturovna Stolbova Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет) http://orcid.org/0000-0001-8131-5765

Аннотация

В статье проводится математическое моделирование механизмов социального взаимодействия в сети Facebook. Математическое описание процесса распространения информации в социальных сетях позволяет глубже изучить механизмы социального взаимодействия, делать выводы социологического и аналитического характера. Основной функцией социальных сетей является активный обмен информацией, то есть предоставление пользователям возможности откликаться на поступление новой информации, комментировать и обсуждать ее, ускоряя и расширяя тем самым процесс ее распространения. Примерами такой резонансной информации являются короткие записи в социальных сетях – «посты», отражающие, например, некоторые события из жизни или мнения известных людей, актуальные новости и связанные с ними вопросы. Авторы на основе системы дифференциальных уравнений, построенной по расширенной эпидемиологической модели SIR, провели моделирование гистограмм количества комментариев к популярным записям за определенный временной интервал. Проведена аппроксимация параметров системы, отражающих факторы, влияющие на динамику поведения агентов сети, и позволяющих анализировать число пользователей с определенным типом сетевого взаимодействия. Моделирование процесса распространения информации на примере временного распределения комментариев позволяет выявить закономерности, характерные для поведения сетевой аудитории. Анализ подобных кривых для случая информации, несущей существенную социальную, политическую или культурную значимость, позволит установить наиболее благоприятные периоды для противодействия или поддержки распространения сообщений. Кроме того, использование модели дает возможность отслеживать динамику поведения не только активно действующей части аудитории, пишущей комментарии, но также и пассивной. Намечены перспективы и возможности дальнейшего использования аналогичных методов моделирования.

Сведения об авторах

Pavel Vasilevich Khrapov, Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)

кандидат физико-математических наук, доцент, кафедра высшей математики

Valeriya Arturovna Stolbova, Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)

студент, кафедра высшей математики

Литература

[1] Jin E. Dougherty E., Saraf P., Cao Y., Ramakrishnan N. Epidemiological modeling of news and rumors on Twitter. Proceedings of the 7th Workshop on Social Network Mining and Analysis (SNAKDD '13). ACM, New York, NY, USA, 2013. Article 8. 9 p. (In Eng.) DOI: 10.1145/2501025.2501027
[2] Kermack W.O., McKendrick A.G. A Contribution to the Mathematical Theory of Epidemics. Proceedings of the Royal Society of Edinburgh. Series A, Containing Papers of a Mathematical and Physical Character. 1927; 115(772):700-721. (In Eng.) DOI: 10.1098/rspa.1927.0118
[3] Hethcote H.W. Three Basic Epidemiological Models. In: Levin S.A., Hallam T.G., Gross L.J. (eds) Applied Mathematical Ecology. Biomathematics. Springer, Berlin, Heidelberg, 1989; 18:119-144. (In Eng.) DOI: 10.1007/978-3-642-61317-3_5
[4] Martcheva M. An Introduction to Mathematical Epidemiology. Springer US, 2015. 453 p. (In Eng.) DOI: 10.1007/978-1-4899-7612-3
[5] Kabir K.M.A., Kuga K., Tanimoto J. Analysis of SIR epidemic model with information spreading of awareness. Chaos, Solitons and Fractals. 2019; 119:118-125. (In Eng.) DOI: 10.1016/j.chaos.2018.12.017
[6] Zhao D., Sun J., Tan Yu., Wu J., Dou Y. An extended SEIR model considering homepage effect for the information propagation of online social networks. Physica A: Statistical Mechanics and its Applications. 2018; 512:1019-1031. (In Eng.) DOI: 10.1016/j.physa.2018.08.006
[7] Rajapaksha P., Farahbakhsh R., Crespi N. Scrutinizing News Media Cooperation in Facebook and Twitter. IEEE Access. 2019. p. 1. (In Eng.) DOI: 10.1109/ACCESS.2019.2902491
[8] Thiriot S. Word-of-mouth dynamics with information seeking: Information is not (only) epidemics. Physica A: Statistical Mechanics and its Applications. 2018; 492:418-430. (In Eng.) DOI: 10.1016/j.physa.2017.09.056
[9] Khrapov N.P., Khrapov P.V., Shumilina A.O. Mathematical Model and forecast of AIDS epidemiological development. Almanac of Modern Science and Education. 2008; 12(19):218-221. Available at: https://elibrary.ru/item.asp?id=17722237& (accessed 10.01.2019). (In Russ.)
[10] Urakova K.A., Khrapov P.V. Mathematical modelling of Ebola hemorrhagic fever epidemiological development in West Africa. Almanac of Modern Science and Education. 2017; 4-5(118):97-99. Available at: https://elibrary.ru/item.asp?id=29147514 (accessed 10.01.2019). (In Russ.)
[11] Surma J. Social exchange in online social networks. The reciprocity phenomenon on Facebook. Computer Communications. 2016; 73(B):342-346. (In Eng.) DOI: 10.1016/j.comcom.2015.06.017
[12] Liu X., Li T., Xu H., Liu W. Spreading dynamics of an online social model on scale-free networks. Physica A: Statistical Mechanics and its Applications. 2019; 514:497-510. (In Eng.) DOI: 10.1016/j.physa.2018.09.085
[13] Sun Z., Peng Q., Lv J., Zhang J. A prediction model of post subjects based on information lifecycle in forum. Information Sciences. 2016; 337-338:59-71. (In Eng.) DOI: 10.1016/j.ins.2015.12.019
[14] Ishida Y., Kuraya S. Fake News and its Credibility Evaluation by Dynamic Relational Networks: A Bottom up Approach. Procedia Computer Science. 2018; 126:2228-2237. (In Eng.) DOI: 10.1016/j.procs.2018.07.226
[15] Larsson A. The News User on Social Media: A comparative study of interacting with media organizations on Facebook and Instagram. Journalism Studies. 2018; 19(15):2225-2242. (In Eng.) DOI: 10.1080/1461670X.2017.1332957
[16] Liu Y., Wang B., Wu B., Shang S., Zhang Y., Shi C. Characterizing super-spreading in microblog: An epidemic-based information propagation model. Physica A: Statistical Mechanics and its Applications. 2016; 463:202-218. (In Eng.) DOI: 10.1016/j.physa.2016.07.022
[17] Zheng C., Xia C., Guo Q., Dehmer M. Interplay between SIR-based disease spreading and awareness diffusion on multiplex networks. Journal of Parallel and Distributed Computing. 2018; 115:20-28. (In Eng.) DOI: 10.1016/j.jpdc.2018.01.001
[18] Suo Q., Guo J.-L., Shen A.-Z. Information spreading dynamics in hypernetworks. Physica A: Statistical Mechanics and its Applications. 2018; 495:475-487. (In Eng.) DOI: 10.1016/j.physa.2017.12.108
[19] Liu W., Wu X., Yang W., Zhu X., Zhong S. Modeling cyber rumor spreading over mobile social networks: A compartment approach. Applied Mathematics and Computation. 2019; 343:214-229. (In Eng.) DOI: 10.1016/j.amc.2018.09.048
[20] Peng L. Heterogeneity, judgment, and social trust of agents in rumor spreading. Applied Mathematics and Computation. 2019, 350:447-461. (In Eng.) DOI: 10.1016/j.amc.2018.10.079
[21] Kan J.-Q., Zhang H.-F. Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - An approach based on multiplex networks. Communications in Nonlinear Science and Numerical Simulation. 2017; 44:193-203. (In Eng.) DOI: 10.1016/j.cnsns.2016.08.007
[22] Jain A., Dhar J., Gupta V. Stochastic model of rumor propagation dynamics on homogeneous social network with expert interaction and fluctuations in contact transmissions. Physica A: Statistical Mechanics and its Applications. 2019; 519:227-236. (In Eng.) DOI: 10.1016/j.physa.2018.11.051.
[23] Bi K., Chen Y., Zhao S., Ben-Arieh D., Wu C.-H. Modeling learning and forgetting processes with the corresponding impacts on human behaviors in infectious disease epidemics. Computers & Industrial Engineering. 2019; 129:563-577. (In Eng.) DOI: 10.1016/j.cie.2018.04.035
[24] Hu Y., Pan Q., Hou W., He M. Rumor spreading model considering the proportion of wisemen in the crowd. Physica A: Statistical Mechanics and its Applications. 2018; 505:1084-1094. (In Eng.) DOI: 10.1016/j.physa.2018.04.056
[25] Zhan X.-X., Liu C., Sun G.-Q., Zhang Z.-K. Epidemic dynamics on information-driven adaptive networks. Chaos, Solitons & Fractals. 2018; 108:196-204. (In Eng.) DOI: 10.1016/j.chaos.2018.02.010
Опубликована
2019-04-19
Как цитировать
KHRAPOV, Pavel Vasilevich; STOLBOVA, Valeriya Arturovna. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА РАСПРОСТРАНЕНИЯ НОВОСТЕЙ В СОЦИАЛЬНЫХ СЕТЯХ. Международный научный журнал «Современные информационные технологии и ИТ-образование», [S.l.], v. 15, n. 1, p. 225-231, apr. 2019. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/506>. Дата доступа: 18 aug. 2019 doi: https://doi.org/10.25559/SITITO.15.201901.225-231.
Раздел
Научное программное обеспечение в образовании и науке