ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ МОДЕЛЮВАННЯ МЕРЕЖ РЕПУТАЦІЇ КОРИСТУВАЧІВ СОЦІАЛЬНИХ ВЕБ-РЕСУРСІВ НА ОСНОВІ БІНАРНИХ ДІАГРАМ РІШЕНЬ
Ключові слова:
соціальна мережа, мережа репутації, бінарні діаграми рішень, моделювання, розповсюдження інформації
Анотація
Об’єктом вивчення у статті є процес моделювання соціальних мереж. Метою є розробка програмного забезпечення для моделювання мереж репутації користувачів соціальних веб-ресурсів на основі бінарних діаграм рішень. Завдання: дослідити можливість моделювання соціальних мереж на основі бінарних діаграм рішень, розробити метод моделювання мереж репутації користувачів соціальних веб-ресурсів на основі бінарних діаграм рішень, розробити програмне забезпечення для реалізації розробленого методу моделювання мереж репутації користувачів. Методи досліджень: теорія графів, теорія моделювання, теорія алгоритмів, об’єктно-орієнтоване програмування. Отримані такі результати: розроблено метод накопичення змін у бінарних діаграмах рішень для зменшення кількості їх редагувань; розроблена модель мережі репутації користувачів соціальних веб-ресурсів на основі бінарних діаграмах рішень. Висновки: Проведено дослідження можливості використання бінарних діаграм рішень для моделювання соціальних мереж. Детально розглянуті основні типи соціальних мереж та методи їх аналізу. Розкрита актуальність розвитку та застосування методології аналізу соціальних мереж, зокрема в сучасних інформаційних технологіях. Проведено огляд моделей аналізу соціальних мереж, з урахуванням того, що соціальні одиниці не діють незалежно, а навпаки, впливають одна на одну. Результати досліджень показали, що бінарні діаграми рішень – це один з найкомпактніших способів представлення структури соціальних мереж, адже структура бінарних діаграмах рішень дозволяє створювати відношення між більше ніж двома агентами. Розроблений метод накопичення змін у бінарних діаграмах рішень для зменшення кількості їх редагувань дозволяє зменшити кількість операцій над бінарними діаграмами рішень. Розроблено метод моделювання мереж репутації користувачів соціальних веб-ресурсів. Розроблена програмна модель мережі репутації користувачів соціальних веб-ресурсів на основі бінарних діаграмах рішень дозволяє моделювати поширення інформації у соціальних мережах з врахуванням репутації користувачів мережі.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Мелешко Є.В. Дослідження методів аналізу соціальних мереж з точки зору інформаційної безпеки держави / Є. В. Мелешко, В. С. Гермак, М. С. Якименко // Системи управління, навігації та зв'язку. - 2015. - Вип. 2. - С. 92-100. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2015_2_26
2. Shi L. Apply social network analysis and data mining to dynamic task synthesis for persistent MMORPG virtual world / L. Shi, W. Huang // International Conference on Entertainment Computing. – Berlin: Springer, 2004. – pp. 204–215.
3. Kempe D. Maximizing the spread of influence through a social network / D. Kempe, J. Kleinberg, E. Tardos. // Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining. – 2003. – pp. 137–146.
4. Leskovec J. The dynamics of viral marketing / J. Leskovec, L. Adamic, B. Huberman. // ACM Transactions on the Web (TWEB). – 2007. – №1:1.
5. Губанов Д. Модели влияния в социальных сетях / Д. Губанов, Д. Новиков, А. Чхартишвили. // Управление большими системами: сборник трудов. – 2009. – №27. – С. 205–281.
6. Watts D. Influentials, networks, and public opinion formation / D. Watts, P. Dodds. // Journal of consumer research. – 2007. – Vol. 34. – pp. 441–458.
7. Мирзануров Д. Методика защиты от таргетированной информации, распространяемой в системах SOCIAL NETWORK / Д. Мирзануров. // Приволжский научный вестник. – 2015. – №46. – С. 40–43.
8. Cost-effective outbreak detection in networks / [J. Leskovec, A. Krause, C. Guestrin та ін.]. // Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining. – 2007. – pp. 420–429.
9. Hamill L. Social Circles: A Simple Structure for Agent-Based Social Network Models [Електронний ресурс] / L. Hamill, N. Gilbert // Journal of Artificial Societies and Social Simulation. – 2009. – Режим доступу до ресурсу: http://jasss.soc.surrey.ac.uk/12/2/3.html (дата звернення: 05.10.2018).
10. Карпов Ю. Г. MODEL СHECKING. Верификация параллельных и распределенных программных систем / Юрий Глебович Карпов. – СПб.: БХВ-Петербург, 2010. – С. 295–366
11. Brain M. The Importance of Memory Management in C [Електронний ресурс] / M. Brain, S. Crawford. – 2011. – Режим доступу до ресурсу: https://computer.howstuffworks.com/c-programming11.htm.
12. Кнут Д. Э. Искусство программирования, том 4, А. Комбинаторные алгоритмы, часть 1 / Дональд Эрвин Кнут; пер. с англ. И. В. Красикова. – М.: ООО "И. Д. Вильямс", 2013. – 960 с.
2. Shi L. Apply social network analysis and data mining to dynamic task synthesis for persistent MMORPG virtual world / L. Shi, W. Huang // International Conference on Entertainment Computing. – Berlin: Springer, 2004. – pp. 204–215.
3. Kempe D. Maximizing the spread of influence through a social network / D. Kempe, J. Kleinberg, E. Tardos. // Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining. – 2003. – pp. 137–146.
4. Leskovec J. The dynamics of viral marketing / J. Leskovec, L. Adamic, B. Huberman. // ACM Transactions on the Web (TWEB). – 2007. – №1:1.
5. Губанов Д. Модели влияния в социальных сетях / Д. Губанов, Д. Новиков, А. Чхартишвили. // Управление большими системами: сборник трудов. – 2009. – №27. – С. 205–281.
6. Watts D. Influentials, networks, and public opinion formation / D. Watts, P. Dodds. // Journal of consumer research. – 2007. – Vol. 34. – pp. 441–458.
7. Мирзануров Д. Методика защиты от таргетированной информации, распространяемой в системах SOCIAL NETWORK / Д. Мирзануров. // Приволжский научный вестник. – 2015. – №46. – С. 40–43.
8. Cost-effective outbreak detection in networks / [J. Leskovec, A. Krause, C. Guestrin та ін.]. // Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining. – 2007. – pp. 420–429.
9. Hamill L. Social Circles: A Simple Structure for Agent-Based Social Network Models [Електронний ресурс] / L. Hamill, N. Gilbert // Journal of Artificial Societies and Social Simulation. – 2009. – Режим доступу до ресурсу: http://jasss.soc.surrey.ac.uk/12/2/3.html (дата звернення: 05.10.2018).
10. Карпов Ю. Г. MODEL СHECKING. Верификация параллельных и распределенных программных систем / Юрий Глебович Карпов. – СПб.: БХВ-Петербург, 2010. – С. 295–366
11. Brain M. The Importance of Memory Management in C [Електронний ресурс] / M. Brain, S. Crawford. – 2011. – Режим доступу до ресурсу: https://computer.howstuffworks.com/c-programming11.htm.
12. Кнут Д. Э. Искусство программирования, том 4, А. Комбинаторные алгоритмы, часть 1 / Дональд Эрвин Кнут; пер. с англ. И. В. Красикова. – М.: ООО "И. Д. Вильямс", 2013. – 960 с.
Опубліковано
2019-10-30
Як цитувати
Mikhav V. Програмне забезпечення для моделювання мереж репутації користувачів соціальних веб-ресурсів на основі бінарних діаграм рішень / V. Mikhav // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2019. – Т. 5 (57). – С. 78-83. – doi:https://doi.org/10.26906/SUNZ.2019.5.078.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
