Моделювання соціальних мереж з використанням теорії графівта нечіткої логіки

DOI: 10.31673/2412-9070.2024.051035

Анотація

Аналіз соціальних мереж є потужним інструментом для розуміння складних взаємодій у сучасному світі. Його застосування знаходить місце у різних галузях, від маркетингу до кримінології, що робить його незамінним для досліджень та практичного використання.
У роботі запропоновано підхід до аналізу та моделювання соціальних мереж на основі використання графових баз даних та нечіткої логіки. Сучасні дослідження підтверджують ефективність поєднання графових баз даних та нечіткої логіки для аналізу та моделювання соціальних мереж, що дозволяє враховувати складні взаємозв'язки між об'єктами та покращити точність прогнозів. Однак необхідність розвитку методів та моделей аналізу соціальних мереж, врахування нестаціонарності та невизначеності їх характеристик обумовлюють актуальність подальших досліджень у цьому напрямку.
Метою роботи є формалізація соціальних мереж з використанням теорії графів та нечіткої логіки для побудови інформаційної технології аналізу соціальних мереж на основі графових баз даних. Розглянуто аспекти використання графових баз даних та нечіткої логіки для зберігання та аналізу даних соціальних мереж, виділено та формалізовано основні елементи соціальних мереж та їх характеристики. Розроблена модель включає визначення акаунтів соціальних мереж як вершин зваженого графу та їх основні характеристики, опис зв’язків між акаунтами соціальних мереж у вигляді звичайних та нечітких бінарних часово-залежних відношень. Розглянуто відношення підписки, впливу та схожості акаунтів соціальних мереж.
Запропонована модель дозволяє аналізувати вплив окремих акаунтів та моделювати поширення інформації, визначати типи користувачів для виявлення аномальної поведінки, проводити аналіз динаміки змін у соціальних мережах та прогнозувати майбутні тренди. Результати роботи можуть бути використані у маркетингу, управлінні кризовими ситуаціями та безпеки, політичних кампаніях, соціальних науках та інших галузях, роблячи аналіз соціальних мереж більш точним та ефективним інструментом для різноманітних завдань.

Ключові слова: соціальні мережі, графова база даних, нечітка логіка, теорія графів, аналіз, моделювання, інформаційна технологія, інформаційна система, аналіз даних.

Список використаної літератури

1. Bastian, M., Heymann, S., Jacomy, M. Gephi: An open source software for exploring and manipulating networks. 2009, URL: https://dx.doi.org/10.13140/2.1.1341.1520.
2. Csardi, G., & Nepusz, T. The igraph software package for complex network research. 2006, URL: https://www.researchgate.net/publication/221995787_The_Igraph_Software_Package_for_Complex_Network_Research.
3. Zadeh, L. A. Fuzzy sets // Information and Control. – 1965. – Vol. 8. – P. 338-353, URL: https://doi.org/10.1016/S0019-9958(65)90241-X.
4. Mamdani, E. H., Assilian, S. An experiment in linguistic synthesis with a fuzzy logic controller // International Journal of Man-Machine Studies. – 1975. – Vol. 7. – No. 1. – P. 1-13, URL: https://doi.org/10.1016/S0020-7373(75)80002-2.
5. Guidara, A. (2021). Artificial Intelligence and Fuzzy Logic. In: Policy Decision Modeling with Fuzzy Logic. Studies in Fuzziness and Soft Computing, vol 405. Springer, Cham. https://doi.org/10.1007/978-3-030-62628-0_5.
6. Wang, L. Fuzzy Logic and Graph Theory for Social Network Analysis // Proceedings of the IEEE. – 2018. – Vol. 106. – No. 5. – P. 789-802, DOI: 10.1109/ICC34414.2018
7. Peixoto, T. P. Graph-tool: efficient network analysis with python. 2014, URL: https://graphtool.skewed.de.
8. Staudt, C. L., et al. NetworKit: A toolkit for large-scale complex network analysis, Network Science, vol. 4, no. 4, pp. 508–530, 2016. DOI: 10.1017/nws.2016.20.