Модели и методика информационного управления социальными системами на основе мультиагентного подхода тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат наук Мачуева Дина Алуевна
- Специальность ВАК РФ05.13.10
- Количество страниц 128
Оглавление диссертации кандидат наук Мачуева Дина Алуевна
ВВЕДЕНИЕ
ГЛАВА 1. ОСОБЕННОСТИ И ОСНОВНЫЕ ПОДХОДЫ К ИССЛЕДОВАНИЮ ПРОЦЕССА ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ В СОЦИАЛЬНОЙ СРЕДЕ
1.1. Социальные структуры с точки зрения общей теории сетей
1.2. Задачи и методы изучения социальных сетей
1.3. Информационное управление и модели информационного влияния
1.4. Модели коллективного поведения в информационном управлении
1.5. Выбор методов исследования и информационного управления социальными системами
1.6. Формализация проблемы информационного управления социальными системами
1.7. Выводы по главе 1. Постановка цели и задач исследования
ГЛАВА 2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССА ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ В СОЦИАЛЬНЫХ СИСТЕМАХ РАЗЛИЧНОГО МАСШТАБА
2.1. Описание социальных систем на микро и макроуровне
2.2. Математическая модель процесса информационного взаимодействия, основанная на микроописании социальной системы
2.3. Математическая модель процесса информационного взаимодействия, основанная на описании социальной системы на макроуровне
2.4. Выводы по главе
ГЛАВА 3. ИНФОРМАЦИОННОЕ УПРАВЛЕНИЕ СОЦИАЛЬНЫМИ СИСТЕМАМИ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
3.1. Комплексная методика информационного управления социальными системами
3.2. Программный комплекс имитационного моделирования процесса информационного взаимодействия в социальных системах
3.3. Сравнительный анализ результатов, получаемых с помощью моделей, основанных на микро- и макроописании социальных систем
3.4. Выводы по главе
ГЛАВА 4. АНАЛИЗ ОБЩИХ ЗАКОНОМЕРНОСТЕЙ ПРОЦЕССА ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ В СОЦИАЛЬНЫХ СИСТЕМАХ И ИХ ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ В ЗАДАЧАХ УПРАВЛЕНИЯ
4.1. Установление общих закономерностей процесса распространения информации на основе имитационных экспериментов
4.2. Результаты проведения натурного эксперимента для проверки данных моделирования
4.3. Определение охвата целевой аудитории с помощью имитационных экспериментов
4.4. Внедрение и апробация результатов исследования
4.5. Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
СПИСОК ЛИТЕРАТУРЫ
Приложение А
Приложение Б
Рекомендованный список диссертаций по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК
Эвристические алгоритмы моделирования и оптимизации структуры неоднородных комплексных сетей2013 год, кандидат наук Каширин, Виктор Валерьевич
Методы структурной идентификации стохастических сетей и генерации случайных графов в задачах моделирования сложных систем2012 год, кандидат технических наук Юдин, Евгений Борисович
Формирование механизма сетевого взаимодействия в области высшего образования2024 год, кандидат наук Евлампиева Галина Ивановна
Методы и алгоритмы поддержки принятия решений по противодействию деструктивным воздействиям в социальных сетях на основе многофакторного анализа ролей пользователей2022 год, кандидат наук Рабчевский Андрей Николаевич
Математическое и программное обеспечение визуального анализа графовой информации сети взаимодействующих объектов2016 год, кандидат наук Коломейченко, Максим Игоревич
Введение диссертации (часть автореферата) на тему «Модели и методика информационного управления социальными системами на основе мультиагентного подхода»
ВВЕДЕНИЕ
Актуальность исследования. Социальная среда, окружающая человека, включает в себя множество социальных групп, воздействующих на его поведение и развитие. При этом одним из основополагающих процессов, осуществляемых в любой социальной системе (СС), является обмен информацией. Огромное влияние на данный процесс оказывает развитие информационных технологий, появление новых форм социальной коммуникации и сопутствующая этому интенсификация потоков информации. В частности, социальные сервисы глобального информационного пространства сети Интернет стали неотъемлемым атрибутом жизни современного общества и резко активизировали коммуникативные процессы в мире. По данным системы мониторинга и анализа социальных медиа в России на 2018 год, зарегистрировано 46 млн активных пользователей социальных сетей, написавших за месяц хотя бы одно публичное сообщение, и 1,8 млрд сообщений [1].
При этом на сегодняшний день каналы социальной коммуникации активно используются для организации различных акций информационно-психологического влияния на личность, социальные группы и общество в целом. Общеизвестным негативным проявлением этой практики является пропаганда идеологии экстремизма, терроризма и других видов противозаконной деятельности [2-8], на необходимость борьбы с которыми указывает, в том числе, принятие за последнее время большого числа различных законодательных актов РФ.
Для эффективного противодействия актам деструктивных воздействий необходимо хорошо представлять особенности процесса распространения информации в социальной среде. Исходя из этого, задача разработки моделей и методик информационного управления социальными системами представляется весьма актуальной.
Исследование соответствует приоритетным направлениям развития науки, технологий и техники Российской Федерации и выполнено при поддержке
Российского фонда фундаментальных исследований (РФФИ) в рамках научного проекта №18-47-200002.
Степень научной разработанности темы. В последнее время изучению процессов, происходящих в СС, пристальное внимание стали уделять ученые, круг научных интересов которых лежит в области системного анализа, математического моделирования, теории информации и т.п. [9-15]. Наиболее полно системный подход к анализу особенностей процесса информационного взаимодействия (ПИВ) в социальных системах и информационного управления такими системами изложен в работах, выполненных под руководством академика Д.А. Новикова учеными Института проблем управления им. В.А. Трапезникова Российской академии наук (ИПУ РАН): Д.А. Губановым, А.Г. Чхартишвили, В.В. Бреером, А.Д. Рогаткиным, И.Н. Барабановым [16-20]. Механизмы информационного управления СС подробно рассматривались Д.А. Кононовым, В.В. Кульбой, А.Н. Шубиным [21]. Фундаментальные вопросы анализа систем с точки зрения общей теории сетей освещены в трудах зарубежных и отечественных авторов: A-L. Barabasi, R. Albert, J. Barnes, S. Strogatz, D. Watts, Дж. Хантера, Дж. Морено, И.А. Евина, А.Н. Чуракова, Т.В. Батуры [22-38]. Опыт разработки математических моделей на основе мультиагентного подхода и методики проектирования мультиагентных систем представлены в работах А.А. Арзамасцева, А.Г. Кравец, Ф.А. Мурзина, Н.С. Копыловой и др. [39-41].
Согласно работам, выполненным в ИПУ РАН, под информационным управлением понимается такой процесс, когда воздействие носит косвенный, неявный характер, заключающийся в том, что до объекта управления доводится определенная информация, ориентируясь на которую он сам выбирает линию поведения [42]. При этом используется либо детализированное представление (микроописание) структурных свойств СС с помощью аппарата теории графов, либо агрегированное описание (на макроуровне) с применением статистических методов и усредненных показателей.
Проведенный анализ имеющихся работ показал, что существующие подходы к информационному управлению СС не в полной мере учитывают ряд
специфических особенностей таких систем, главной из которых является наличие субъективной неопределенности, возникающей при попытке описать свойства ее элементов. Формализация субъективной неопределенности не может быть полностью осуществлена методами теории вероятностей и математической статистики (ТВиМС), что существенно затрудняет построение математических моделей, связывающих характеристики системы в целом с индивидуальными параметрами составляющих ее элементов. Это, в свою очередь, снижает возможности целенаправленного поиска управленческих решений по информационному воздействию на социальную систему.
Наблюдается объективное противоречие между практической потребностью вырабатывать эффективные управленческие информационные воздействия на основе научно обоснованных прогнозов изменения динамики мнений в социальных системах - с одной стороны, и возможностями существующих научных подходов - с другой.
Исходя из этого, были сформулированы объект, предмет, а также цель и задачи исследования.
Объект исследования - процесс распространения информации в социальных системах.
Предмет исследования - модели, методы, алгоритмы информационного управления социальными системами.
Цель диссертационного исследования - повышение эффективности информационного управления социальными системами путем разработки соответствующих математических моделей, методик и алгоритмов.
Для достижения цели было необходимо решить задачи:
1. Разработать математические модели процесса информационного взаимодействия в социальных системах различного масштаба.
2. Предложить методики и реализующие их алгоритмы формирования и интерпретации исходных данных для их дальнейшего использования в разработанных моделях.
3. Исследовать общие закономерности процесса распространения информации при описании социальных систем на микро- и макроуровне, определить зависимости между параметрами социальных систем и динамикой информационного обмена.
4. Предложить методику и разработать соответствующее алгоритмическое и программное обеспечение, позволяющее на основе проведения имитационных экспериментов вырабатывать управляющие информационные воздействия на социальную систему.
5. Апробировать предложенные подходы, проанализировать результаты и выработать практические рекомендации по информационному управлению социальными системами.
Методы исследования. Для решения задач использовались методы системного анализа, теории нечетких множеств, математического моделирования, теории вероятностей и математической статистики, объектно-ориентированного программирования.
Научная новизна диссертационного исследования заключается в следующем:
1. Разработана математическая модель процесса информационного взаимодействия, основанная на микроописании социальной системы, с использованием мультиагентного подхода, отличающаяся учетом субъективной неопределённости характеристик участников информационного обмена и позволяющая изучать основные закономерности данного процесса с использованием имитационных экспериментов.
2. Предложена математическая модель процесса информационного взаимодействия макроуровня, отличающаяся учетом дополнительной неопределённости, обусловленной статистическим характером описания личностных свойств агентов, и позволяющая формализовать процесс информационного обмена в социальной системе на основе агрегированных показателей в виде вероятностных распределений.
3. С использованием разработанных микро- и макромоделей впервые предложена методика информационного управления социальными системами, позволяющая на основе проведения имитационных экспериментов выбирать информационные воздействия с целью управления динамикой изменения вектора отношений социума к распространяемой информации.
Теоретическая значимость работы заключается в разработке комплекса моделей описания процессов информационного взаимодействия в социальных системах; обосновании тождественности характеристик процесса информационного взаимодействия при макро- и микроописании; создании методики выбора решений по информационному воздействию на социальную систему, позволяющей приводить вектор распределения мнений членов СС к целевому (заданному ЛПР) значению.
Практическая значимость работы заключается в том, что предложенные в диссертационном исследовании подходы позволяют обоснованно планировать и осуществлять информационно-управленческое воздействие на социальные системы различного масштаба, а также сократить время планирования и повысить эффективность таких воздействий. Результаты внедрены в практическую деятельность различных организаций, о чем имеются соответствующие акты о внедрении.
Положения, выносимые на защиту:
1. Математические модели процесса информационного взаимодействия в социальных системах различного масштаба.
2. Результаты сравнительного анализа данных, полученных при моделировании ПИВ на основе микро- и макроописания СС.
3. Комплексная методика информационного управления социальными системами.
Степень достоверности научных положений и выводов определяется корректным применением методов исследований, подтверждается вычислительными экспериментами, а также успешным внедрением результатов в различных организациях, о чем имеются соответствующие акты.
Апробация полученных результатов. Основные положения и отдельные результаты диссертации представлялись на международных и всероссийских конференциях: IV Всероссийской научно -методической конференции «Инновационные технологии в профессиональном образовании» (Грозный, 2015); XVI Международной научно-практической конференции «Современные проблемы проектирования и безопасности инф. систем» (Кисловодск, 2015); IV Всероссийской молодежной научно-практической конференции «Компьютерные технологии и телекоммуникации - 2016» (Грозный, 2016); XVII Межрегиональной научно-практической конференции «Современные проблемы проектирования и безопасности инф. систем» (Ростов-на-Дону, 2017); IV Международной научно-практической конференции «Наука России: Цели и задачи» (Екатеринбург, 2017); I Молодежной международной конференции «Информационные технологии и технологии коммуникаций: современные достижения» (Астрахань, 2017); Международной научно-практической конференции «Проблемы и приоритеты развития науки в XXI веке» (Смоленск, 2017); XIV Всероссийской научно-практической конференции «Математические методы и информационно -технические средства» (Краснодар, 2018); Международном мультидисциплинарном симпозиуме по исследованиям в области ИКТ «Интеграция текущих исследовательских задач и решение глобальных вызовов» (Ставрополь, 2018).
Публикации. Основные результаты диссертационного исследования изложены в 17 публикациях, из них: 2 статьи в изданиях, входящих в международную реферативную базу данных и систему цитирования Scopus; 6 статей в научных журналах, рекомендованных ВАК РФ, 9 - в материалах конференций. Получено 2 свидетельства о гос. регистрации программ ЭВМ.
Личный вклад автора в опубликованные в соавторстве работы и спроектированные программы для ЭВМ заключался в непосредственном участии на всех этапах теоретических и экспериментальных исследований.
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка из 149
наименований, 2 приложений. Основная страницах и содержит 40 рисунков, а также
часть диссертации изложена на 122 1 таблицу.
ГЛАВА 1. ОСОБЕННОСТИ И ОСНОВНЫЕ ПОДХОДЫ К ИССЛЕДОВАНИЮ ПРОЦЕССА ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ В СОЦИАЛЬНОЙ СРЕДЕ
1.1. Социальные структуры с точки зрения общей теории сетей
Социальная среда, в которой живет человек, имеет сложную структуру, представляющую собой многоуровневое образование и включающую в себя множество «узлов» - взаимодействующих социальных групп и отдельных индивидов. Для определения системы человеческих взаимоотношений и общения людей впервые применил понятие сети (и ввел в обиход сам термин «социальная сеть») американский социолог Джеймс Барнс (James Barnes) в 1954 году.
Исследование сетевых структур является значимым научным направлением и объектом интереса многих отечественных и зарубежных ученых уже несколько десятилетий [43]. На сегодняшний день рассматриваются сложные сети, разделяемые на три основные категории. Социальные сети - это различные общественные взаимосвязи и отношения: друзей и знакомых, сотрудничества, цитирования и т.д., поддерживаемые разнообразными средствами коммуникации. Биологические сети образуют отдельную специфическую и очень обширную область изучения, включающую генные и метаболические сети, сети белковых взаимодействий и экосети. Третью категорию представляют соответственно технологические сети (Интернет и Всемирная паутина, транспортные и электрические сети) - значимое и динамично развивающееся направление современного научно-технического прогресса.
Однако наибольший вклад в становление общей теории сетей внесли исследования именно сетей социальных. Также социальные сети имеют наиболее длительную историю изучения [44-52]. По своей природе социальные сети -сообщества людей, имеющих причины для непосредственного общения между собой - играют большую роль в распространении информации, идей и влияний
среди своих членов, предоставляя обширное поле для теоретических и практических исследований.
Решающим фактором развития теории сложных сетей можно назвать открытие в социальных сетях явления «тесного мира» Стэнли Милгрэмом (Stanley Milgram) из Гарвардского университета в 1967 году. Это явление, получившее также название «феномен малого мира» (small world phenomenon) или «теория шести рукопожатий» (six degrees of separation), заключается в том, что каждый человек знаком с любым другим жителем планеты через цепочку общих знакомых, в среднем состоящую из шести человек.
Одним из самых известных примеров анализа сетей являются работы Марка Грановеттера (Mark Granovetter), в которых показано, что для решения многих социальных задач эффективнее оказываются слабые связи в обществе (с дальними знакомыми и коллегами), так как они значительно расширяют масштабы привлекаемой информации, пропуская ее через фильтры неформального обсуждения. Этот эффект был назван «силой слабых связей» и рассматривался Грановеттером на примере задачи поиска работы в 1970-х гг. [53-54]
По мере развития общей теоретической базы, сложилась основная терминология, получившая общепризнанный характер и распространение и применяемая в прикладных исследованиях. Сети математически представляются в виде графовых моделей
G = (V,E), (1.1)
где V- множество вершин графа (узлов сети); E - множество ребер (связей).
Одной из типичных для сетевого анализа характеристик стало распределение узлов по числу связей: Р(к) - вероятность того, что случайно выбранный узел сети имеет k связей.
Распределение узлов по числу связей является простейшей статистической характеристикой сети, во многих случаях достаточной для понимания свойств сети и происходящих в ней процессов. Исторически первой (на рубеже 50 -х и 60-х годов ХХ века) возникла модель случайных графов, предложенная венгерским математиками П. Эрдешем и А. Реньи и на долгое время ставшая основным
направлением изучения сетевых структур. В этой классической модели распределение узлов подчиняется закону Пуассона.
Однако в 1999 году в университете Нотр-Дам США проводились исследования, приведшие к новым важнейшим результатам. А.-Л. Барабаши (Barabasi) и Р. Альберт (Albert) [55-57], изучая свойства реальных сетей, вместо ожидаемого вероятностного распределения узлов по закону Пуассона получили распределение по степенному закону:
где у - постоянная величина.
Как оказалось, такая зависимость характерна для многих реальных сетей -от белковых соединений в клетках до структуры Интернета и социальных связей (т.е. для всех категорий сетей), и для большинства случаев 2< у <3.
Таким образом, во многих реальных сетях большинство узлов имеет небольшое количество связей, зато выделяются узлы с очень большим числом связей, в значительной мере определяющие свойства этих сетей (их называют «хабами», от англ. «концентратор»). Такие сети получили название безмасштабных сетей (scale free networks, SF-networks), что означает отсутствие узла с типичным числом связей и рост количества узлов со временем.
Барабаши и Альберт предложили и обосновали простую модель возникновения и эволюции безмасштабных сетей. Согласно этой модели, на каждом временном промежутке, начиная с небольшого количества узлов, добавляется один новый узел со связями, соединяющими его с уже существующими узлами. При этом соблюдается принцип предпочтительного присоединения - вероятность того, что новый узел будет соединяться с существующим узлом i, прямо пропорциональная количеству связей ki, которые этот узел уже имеет:
P(k)~k-Y,
(1.2)
(1.3)
Модель Барабаши-Альберт приводит к созданию сети с показателем степени Y=3 и показывает принципиальную возможность генерации безмасштабной сети на базе простых предположений.
Также исследования показали, что SF-сети очень устойчивы к случайным внешним воздействиям и повреждениям. Например, при произвольном удалении узлов из пуассоновской случайной сети Эрдеша-Реньи сеть распадается на отдельные фрагменты при достижении некоторого критического отношения числа удаленных узлов к общему размеру сети. У безмасштабных сетей такого критического порога не существует. Однако целенаправленное повреждение одного или нескольких узлов с большим числом связей (хабов) может привести к дезинтеграции сети.
Безмасштабные сети описываются как одно из проявлений феноменологии критических явлений в сложных системах и изучаются в рамках теории сложных сетей (complex networks) - эффективного комплекса инструментов исследования, сформировавшегося к концу 1990-х гг. Подробное изложение подходов и особенностей теории сложных сетей как научной парадигмы дается в работах И.А. Евина [58-59].
В 1998 году С. Строгатц (Strogatz) и Д. Воттс (Watts) ввели понятие коэффициента кластеризации в сетях. Они указали, что большинство реальных сетей имеют высокую транзитивность: если узел А соединен с узлом В, а узел В -с узлом С, то существует большая вероятность, что узел А связан с узлом С. В терминах социальных взаимодействий - друзья наших друзей обычно также являются нашими друзьями; в топологических терминах - существует высокая плотность треугольников ABC в сети.
Кластеризация как характеристика сети определяет степень взаимодействия узлов: коэффициент кластеризации узла есть вероятность того, что два ближайших соседа этого узла также связаны между собой.
Локальный коэффициент кластеризации для узла j рассчитывается по формуле:
С1(к1)=1-^2 С'4)
_Ч
где ку - количество связей рассматриваемого узла с ближайшими соседями, -суммарное число треугольников, прикрепленных к узлу у. В знаменателе -максимально возможное число таких треугольников. Если все ближайшие соседи узла у взаимосвязаны, то Су = 1; если связей между ними нет - Су = 0.
Кластеризация всей сети определяется как
С = 3— (1.5)
Мд - общее число треугольников в сети, а Mv - число связанных триад, где «связанная триада» означает узел и два его ближайших соседа.
На этой основе Строгатц и Воттс изучали сети, обладающие свойством «тесного мира». Такие сети имеют высокий коэффициент кластеризации и низкое значение средней длины пути. Сети тесного мира Воттса-Строгатца ^З-пе110гкв) можно рассматривать как суперпозицию регулярных периодических решеток и классических случайных сетей Эрдеша-Реньи. Эффектом «тесного мира» обладают практически все реальные сетевые структуры.
Также Д. Воттс первым исследовал интереснейшие свойства синхронных состояний в сетях тесного мира. В дальнейшем изучение явления синхронизации было продолжено на моделях безмасштабных сетей. Было показано, что на синхронное поведение узлов в сетевых структурах сильно влияет весовое распределение связей между узлами. Причем синхронизация в безмасштабных сетях происходит при более низких значениях силы связей, чем в случайных сетях Эрдеша-Реньи. В безмасштабных сетях основные ядра синхронизации формируются хабами, которые поглощают соседние малые кластеры. Соответственно, если удалить узлы с наибольшим числом связей, синхронизация в такой сети исчезает. В сетях Эрдеша-Реньи многочисленные маленькие кластеры синхронизации распределены довольно однородно по всему графу.
Важными характеристиками связей сети являются сбалансированность и транзитивность. Классическое условие транзитивности - взаимодействие узлов, при котором если первый узел соотносится со вторым, а второй с третьим, то и
первый узел соотносится с третьим. Сбалансированность сети означает, что, при наличии позитивного взаимодействия первого узла со вторым и третьим, не возникают негативные отношения и между вторым и третьим узлами.
Типичными для сетевого анализа в современных прикладных исследованиях являются также такие характеристики, как сетевая плотность, входная и выходная степень вершин графа, изображающего сеть; относительная важность (вес) вершин; мера близости как среднее расстояние между вершинами; число симметричных диад (связей i ^ j и j ^ i), транзитивных и циклических триад. Связность сети определяется как минимальное число ребер, удаление которых разбивает граф на несколько частей.
Для оценки относительной важности (веса) вершин графа вводится понятие центральности, к определению которой существуют различные подходы. Центральность по степени зависит от количества связей, инцидентных вершине. В социальных взаимоотношениях входящие связи характеризуют популярность человека, исходящие - его общительность, а все вместе - повышают его влиятельность.
Примером анализа центральности в сети также является алгоритм ссылочного ранжирования PageRank, используемый в поисковой системе Google. Это метод вычисления «веса» веб-страницы путем подсчета количества и «важности» ссылок на нее.
Центральность по близости для вершины определяется расстоянием от нее до остальных вершин сети. В качестве меры расстояния используется кратчайший путь по графу (геодезическое расстояние). В социальных сетях центральность по близости позволяет понять, насколько близок рассматриваемый участник к остальным участникам сети и насколько быстро распространяется от него по сети информация.
Третья мера центральности вершины - посредничество (или промежуточность) - рассчитывается как число кратчайших путей между всеми парами вершин, проходящих через рассматриваемую вершину. В социальных
сетях это показатель важности участника и его включенности в структуру сети и в процесс распространения информации.
1.2. Задачи и методы изучения социальных сетей
В современной теории социальных сетей решается довольно обширный круг задач, среди которых могут быть выделены следующие основные направления: определение статистических свойств, характеризующих поведение систем с сетевой структурой; создание моделей сетей; предсказание поведения сетей на основе измеряемых структурных свойств и локальных правил управления отдельными узлами [60-61].
Так, графовые модели используются для анализа процессов распространения информации и коммуникационных связей людей; для решения задач нахождения связанных групп и сообществ, объяснения специфики исполнения социальных ролей; для изучения структуры социальных организаций и взаимодействий и прогнозирования путей развития социальных ситуаций.
В задачах исследования социальных систем применяются методы из различных областей знаний, обзор которых представлен в работах А.Н. Чуракова и Т.В. Батуры [62-64]. Согласно этим работам, в настоящее время выделяются четыре основных подхода в анализе социальных сетей: структурный, динамический, ресурсный, нормативный.
В структурном подходе внимание акцентируется на геометрической форме сети, конфигурации и интенсивности связей. Используются различные теории сетевого обмена и исследуются такие характеристики, как взаимное расположение вершин, центральность и транзитивность.
В динамическом подходе предметом исследования являются изменения в сетевой структуре с течением времени и при внешних воздействиях, причины возникновения и удаления связей, возможности установления стационарных состояний сети.
Ресурсный подход рассматривает возможности участников сети по привлечению ресурсов: индивидуальных (знания, богатство, престиж) и сетевых (информация, капитал, статус, влияние).
Нормативное направление изучает уровни доверия между участниками сети, а также правила их поведения и нормы, определяющие процессы их взаимодействия. Анализируются различные социальные роли - друзья, родственники, коллеги, руководители и подчиненные.
Одной из важнейших аналитических задач является определение сообществ в социальных сетях - связанных подгрупп, в которых происходит активное взаимодействие участников. Сообщества характеризуются большим числом внутренних взаимосвязей между участниками и существенно меньшим числом внешних связей с другими сегментами сети. Изучение сообществ позволяет оценить общую устойчивость социальных структур и упрощает выявление потоков информации, которые внутри сообщества, как правило, передаются с минимальными искажениями. Для выделения связанных подгрупп узлов в сети формулируются задачи о разделении графов, а также применяются методы факторного анализа матрицы связей. Один из традиционных методов для извлечения структуры сообществ из сети - кластерный анализ. Разработка методов определения сообществ стала одним из значимых направлений современной теории сложных сетей социальной природы.
Похожие диссертационные работы по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК
Методы моделирования, анализа и прогнозирования динамики развития растущих сетей2020 год, кандидат наук Бадрызлов Владимир Александрович
Научные основы автоматизации и моделирования процессов управления на основе гибридных систем поддержки принятия решений с открытой структурой2006 год, доктор технических наук Балдин, Александр Викторович
Деструктивные твиты в сети социальных закладок: риск-модели распространения, восприятия и выявления2018 год, кандидат наук Соколова, Елена Сергеевна
Модельно-алгоритмическое обеспечение многоуровневого управления гетерогенными распределенными системами обработки информации2021 год, кандидат наук Онтужева Галина Александровна
Методы и программные средства моделирования и генерации сложных сетей с сохранением графовых свойств2019 год, кандидат наук Дробышевский Михаил Дмитриевич
Список литературы диссертационного исследования кандидат наук Мачуева Дина Алуевна, 2019 год
СПИСОК ЛИТЕРАТУРЫ
1. Система мониторинга и анализа социальных медиа в России. Цифры и тренды 2018 [Электронный ресурс]. - Режим доступа: ы^://ьг-analytics.ru/blog/socseti-v-rossii-osen-2018.
2. Казарин, О.В. Социально-правовые и технологические аспекты проблемы выявления деструктивных информационных воздействий в сети Интернет / О.В. Казарин, В.П. Охапкин, Е.П. Охапкина, Р.А. Шаряпов // Вестник РГГУ. - 2017. - № 3(9). - С. 132-147.
3. Олешко, В.Ф. Влияние цифровых средств массовой информации на формирование глобальной системы социальных коммуникаций / В.Ф. Олешко, О.В. Малик // Известия Уральского федерального университета. Сер. 1. Проблемы образования, науки и культуры. - 2017. - Т. 23, № 4(168). - С. 5-12.
4. Громова, Н.С. Профилактика молодежного экстремизма как угрозы безопасности региона / Н.С Громова // Вестник Прикамского социального института. - 2017. - № 2 (77). - С. 16-23.
5. Ильичев, И.Е. О понятии и классификации проявлений экстремизма / И.Е. Ильичев, С.А. Лазарева // Вестник Казанского юридического института МВД России. - 2017. - Т. 7, № 3. - С. 126-134.
6. Карнаушенко, Л.В. Деструктивное информационно-психологическое воздействие на массовую аудиторию: правовые аспекты противодействия / Л.В. Карнаушенко // Вестник Краснодарского университета МВД России. - 2017. - № 2 (36). - С. 157-161.
7. Куликов, Е.М. Экстремизм как социально-управленческая проблема трансформирующегося российского общества / Е.М. Куликов, Е.М. Кубякин, В.В. Плотников // Общество и право. - 2016. - № 4 (58). - С. 230-234.
8. Мозговой, В.Э. Информационный экстремизм как инновационная девиация социума начала XXI века / В.Э. Мозговой // Гуманитарные, социально-экономические и общественные науки. - 2015. - № 1. - С. 61-65.
9. Дaвыденко, В.А. Моделирование социальных сетей / В.А. Давыденко, Г.Ф. Ромашкина, С.Н. Чуканов // Вeстник Тюменского государственного университета. - 2005. - №1. - С. 68-79.
10. Рыцарев, И.А. Построение моделей активности пользователей социальных сетей / И.М. Рыцарев, А.В. Благов // Материалы международной конференции «Информационные технологии и нанотехнологии». - Самара, 2015.
- С. 216-220.
11. Ломакин, М.И. Модель измерения влияния в социальных сетях / М.И. Ломакин, А.В. Докукин, Г.А. Соседов // Компетентность. - 2014. - № 7(118). - С. 34-39.
12. Измоденова, К.В. Об оптимальном управлении процессом распространения информации / К.В. Измоденова, А.П. Михайлов // Математическое моделирование. - 2005. - Т. 17, № 5. - С. 67-76.
13. Боровская, М.А. Моделирование процесса распространения информации в организационных системах / М.А. Боровская, С.К. Куижева // Новые технологии. - 2014. - №4.
14. Якушев, А.В. Математическое и программное обеспечение распределенной обработки больших объемов данных из социальных медиа : диссертация ... кандидата технических наук : 05.13.11 / Якушев Андрей Владимирович. - Санкт-Петербург, 2013. - 125 с.
15. Зайцев, И.Д. Математическое и программное обеспечение распределенной обработки больших объемов данных из социальных медиа : диссертация ... кандидата технических наук : 05.13.10 / Зайцев Иван Дмитриевич.
- Новосибирск, 2014. - 142 с.
16. Губанов, Д.А. Модели репутации и инфoрмационного управления в социальных сeтях / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили // Управление большими системами. - 2009. -Выпуск 26.1. - С. 209-234.
17. Бреер, В.В. Модели порoгового коллективного поведения в задачах управления эколого-экономическими системами / В.В. Бреер, Д.А. Новиков, А.Д. Рогаткин // Управление большими системами. - 2015. -Выпуск 55. - С. 35-54.
18. Зуев, А.С. Модели управления мнениями агентов в социальных сетях / А.С. Зуев, Д.Н. Федянин // Проблемы управления. Управление в социально-экономических системах. - 2011. - № 2. - С. 37-45.
19. Барабанов, И.Н. Динамические модели информационного управления в социальных сетях / И.Н. Барабанов, Н.А. Коргин, Д.А. Новиков, А.Г. Чхартишвили // Автоматика и телемеханика. - 2010. - № 11. - С. 172-182.
20. Gubanov, D.A. A conceptual approach to online social networks analysis / D.A. Gubanov, A.G. Chkhartishvili // Automation and Remote Control, 2015, Vol. 76, no. 8, pp. 1455-1462.
21. Кононов, Д.А. Информационное упрaвление в социальных системах: формализованное описание инфoрмационных элементов / Д.А. Кононов, В.В. Кульба, А.Н. Шубин // Проблемы управления.- 2004. - №2.- С.45-511.
22. Nowak, A. From Private Attitude to Public Opinion: a Dynamic Theory of Social Impact / A. Nowak, J. Szamrej, B. Latane // Psychological Review, 1990, Vol. 97, pp. 362-376.
23. Wasserman, S. Social Network Analysis: Methods And Applications / S. Wasserman, K. Faust. - N.Y.: Cambridge University Press, 1994, 825 p.
24. Jensen, D. Data Mining in Social Networks / D. Jensen, J. Neville // Proceedings of the National Academy of Sciences Symposium on Dynamic Social Network Analysis, 2002, pp. 289-302.
25. Bonchi, F. Social Network Analysis and Mining for Business Applications / F. Bonchi, C. Castillo, A. Gionis, A. Jaimes // ACM TIST, 2011, Vol. 2(3), pp. 22-58.
26. Cook, K.S. Two Approaches to Social Structure: Exchange Theory and Network Analysis / K.S. Cook, М. Whitmeyer // Annual Review of Sociology, 1992, Vol. 18, pp. 109-127.
27. Wasserman, S. Logit Models and Logistic Regression for Social Networks: I. An Introduction to Markov Graphs / S. Wasserman, P. Pattison // Psychometrika, no. 61, pp. 401-425.
28. Wasserman, S. Logit models and logistic regressions for social networks: II. Multivariate relations / S. Wasserman, P. Pattison // British Journal of Mathematical and Statistical Psychology, 1999, Vol. 52, pp. 169-193.
29. Chen, N. On the Approximability of Influence in Social Networks / N. Chen // SIAM J. Discrete Math, 2009, Vol. 23, pp. 1400-1415.
30. Kempe, D. Maximizing the Spread of Influence through a Social Network / D. Kempe, J. Kleinberg, E. Tardos // Proc. 9th ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining, 2003, pp. 137-146.
31. Even-Dar, E. A Note on Maximizing the Spread of Influence in Social Networks / E. Even-Dar, A. Shapira // Internet and Network Economics, 2007, pp. 281286.
32. Watts, D. Influentials, Networks, and Public Opinion Formation / D. Watts, P. Dodds // Journal of Consumer Research, 2007, pp. 123-134.
33. Akhmetzhanov, A.R. Effects of Mixing in Threshold Models of Social Behavior / A.R. Akhmetzhanov, L. Worden, J. Dushoff // Phys. Rev. E., 2013, Vol. 88, no. 1. doi: 10.1103/PhysRevE.88.012816
34. Pastor-Satorras, R. Epidemic spreading in scale-free networks / R. Pastor-Satorras, A. Vespignani // Phys. Rev. Lett. 86, 2001, pp. 3200-3203.
35. Newman, M.E. Finding and evaluating community structure in networks / M.E. Newman, M. Girvan // Phys. Rev. E 69, 2004, pp. 53-58.
36. Gilbert, N. Simulation for the social scientist: Second edition / N. Gilbert, K.G. Troitzsch. - Open University Press, 2005, P. 312.
37. Salamon, T. Design of Agent-Based Models: Developing Computer Simulations for a Better Understanding of Social Processes / T. Salamon. - Repin, Czech Republic: Bruckner Publishing, 2011, P. 220.
38. Ostapenko, G.A. Analytical estimation of the component viability of distribution automated information data system / G.A. Ostapenko, D.G. Plotnicov, O.Y. Makarov, N.M. Tikhomirov, V.G. Yurasov // World Applied Sciences Journal, 2013, no. 25 (3), pp. 416-420.
39. Арзамасцев, А.А. Математическая модель развития инфекционного процесса на основе мультиагентного подхода / А.А. Арзамасцев, Н.А. Зенкова, А.В. Улыбин // Вестник ТГУ. - 2016. - Т. 21, вып. 6. - С. 2352-2357.
40. Кравец, А.Д. Разработка модели генерации интеллектуальных агентов / А.Д. Кравец, С.А. Фоменков, А.Г. Кравец // Сборник научных трудов SWORLD. -2012. - Т. 5, № 3. - С. 59-61.
41. Машкова, А.Л. Анализ сетей информационного взаимодействия в инновационной среде на основе методов агентного моделирования / А.Л. Машкова, О.А. Савина // Известия ТулГУ. Экономические и юридические науки. -2016. - №2-1. - С. 325-332.
42. Кульба, В.В. Информационное управление (предпосылки, методы и средства) / В.В. Кульба, В.Д. Малютин, А.Н. Шубин // Прoблемы управления. -2003. - №1. - С.62-677.
43. Гужавина, Т.А. Доверие в сетевом взаимодействии / Т.А. Гужавина, Т.А. Силина // Проблемы развития территории. - 2016. - №6 (86). - С. 147-165.
44. Сазанов, В.М. Социальные сети и технологии (Интеллектуальный Интернет) / В.М. Сазанов. - Москва, 2010. - 214 с.
45. Воронкин, А.С. Социальные сети: эвoлюция, структура, анализ / А.С. Воронкин // Образовательные технологии и общество. - 2014. - №1. - С.650-675.
46. Дужникова, А.С. Социальные сети: ^временные тенденции и типы пользования / А.С. Дужникова // Мониторинг. - 2010. - №5 (99). - С.238-251.
47. Ефимова, Г.З. Социальные сети как элемент сoциально-экономического развития постиндустриального общества / Г.З. Ефимова, Е.В. Зюбан // Интернет-журнал «Науковедение». - 2015. - Т.7, №6. - Режим доступа: naukovedenie.ru/PDF/118EVN615.pdf.
48. Винник, В.Д. Социальные сети как феномен организации общества: сущность и подходы к использованию и мониторингу / В.Д. Винник // Философия науки. - 2012. - №4 (55). - С. 110-126.
49. Мазниченко, В.С. Социальные сети и перспективы их изучения / В.С. Мазниченко // Культурная жизнь Юга России. - 2014. - №3. - С. 130-132.
50. Жуликов, С.Е. Феномен социальных сетей: от математической теории к социальной реализации / С.Е. Жуликов, О.В. Жуликова // Вестник Тамбовского университета. Серия: Естественные и технические науки. - 2012. - №1. - С. 157158.
51. Мачуева, Д.А. Социальные сети как объект исследования / Д.А. Мачуева // Материалы Международной научно -практической конференции «Проблемы и приоритеты развития науки в XXI веке». - Смоленск, 2017. - С. 2226.
52. Мачуева, Д.А. Социальные сети в теории информационного управления / Д.А. Мачуева // Сборник материалов I Молодежной международной конференции «Информационные технологии и технологии коммуникаций: современные достижения». - Астрахань, 2017. - С. 287-290.
53. Granovetter, M. The Strength of Weak Ties / M. Granovetter // American Journal of Sociology, 1973, Vol. 78, № 6, pp. 1360-1380.
54. Granovetter, M. Economic action and social structure: the problem of embeddedness / M. Granovetter // American Journal of Sociology, 1985, Vol. 91, pp. 481-510.
55. Barabasi, A.-L. Scale-free Networks / A.-L. Barabasi // Scientific American, 2003, № 5, pp. 50-59.
56. Albert, R. Statistical mechanics of complex networks / R. Albert, A.-L. Barabasi // Rev. Mod. Phys. 74, 2002, no. 47; arXiv:cond-mat/0106096.
57. Barabasi, A.-L. Emergence of scaling in random networks / A.-L. Barabasi, R. Albert // Science, 1999, Vol. 286, pp. 509-512.
58. Евин, И.А. Сложные сети - новый инструмент изучения сложных систем / И.А. Евин // Сложные системы. - 2012. - № 2(3). - С. 66-74.
59. Евин, И.А. Введение в теорию сложных сетей / И.А. Евин // Компьютерные исследования и моделирование. -2010. - Т. 2, № 2. - С. 121-141.
60. Будыльский, Д.В. Автоматизация мониторинга общественного мнения на основе интеллектуального анализа сообщений в социальных сетях : дис. ...
канд. техн. наук : 05.13.10 / Будыльский Дмитрий Викторович. - Брянск, 2015. -169 с.
61. Лещенко, А.М. Социальные сети как механизм конструирования коммуникации в современном обществе : дис. ... канд. филос. наук : 09.00.11 / Лещенко Александр Михайлович. - Пятигорск, 2011. - 158 с.
62. Чураков, A.M. Анализ социальный сетей / А.М. Чураков // Социологические исследования. - 2001. - № 1. - С. 109-121.
63. Батура, Т.В. Методы анализа компьютерных социальных сетей / Т.В. Батура // Вестник НГУ. Серия: Информационные технологии. - 2012. - Т. 10, № 4. - С. 13-28.
64. Батура, Т.В. Методы анализа данных из социальных сетей / Т.В. Батура, Н.С. Копылова, Ф.А. Мурзин, А.В. Проскуряков // Вестн. НГУ. Серия: Информационные технологии. - 2013. - Т. 11, № 3. - С. 5-21.
65. Копылова, Н.С. Моделирование социальных процессов и мультиагентный подход / Н.С. Копылова, Ф.А. Мурзин, И.А. Курков // Программные продукты и системы. - 2013. - № 3. - С. 120-126.
66. Тоискин, В.С. Классификация социальных сетей Интернет как элементов социальных структур / В.С. Тоискин, В.В. Красильников // Научный электронный архив Академии естествознания. Социология информации и коммуникации. - Режим доступа: econf.rae.ru/pdf/2012/10/1688.pdf.
67. Коршунов, А.В. Анализ социальных сетей: методы и приложения / А.В. Коршунов, А.Г. Гомзин, И.А. Андрианов // Труды Института системного программирования РАН (электронный журнал). - 2014. - Т. 26, № 1. - С. 439-456.
68. Патаракин, Е.Д. Сетевые сообщества и обучение / Е.Д. Патаракин. - М.: «ПЕР СЭ». - 2006. - 112 с.
69. Ефимов, Е.Г. Формирование социальных интернет-сетей как группового феномена виртуального пространства: диссертация ... доктора соц. наук: 22.00.04 / Ефимов Евгений Геннадиевич. - Волгоград, 2016. - 148 с.
70. Безбогова, М.С. Социальные сети как фактор формирования социальных установок современной молодежи : дис. ... канд. психолог. наук : 19.00.05 / Безбогова Марина Сергеевна. - Москва, 2016. - 212 с.
71. Вельц, С.В. Моделирование информационного противоборства в социальных сетях на основе теории игр и динамических байесовских сетей / С.В. Вельц // Инженерный журнал: наука и инновации. - 2013. - № 11. - Режим доступа: http://engjournal.ru/catalog/it/security/991.html.
72. Скворцов, Н.А. Вопросы доверия данным социальных сетей / Н.А. Скворцов // Труды XVII Международной конференции DAMDID/RCDL'2015 «Аналитика и управление данными в областях с интенсивным использованием данных», Обнинск, 2015. - С. 292-298.
73. Елсугав, П.Ю. Управление с использованием информационных методов / П.Ю. Елсуков // Государственный Советник. - 2015. - № 2. - С. 29-33.
74. Алекперова, И.Я. О некоторых подходах к анализу информационного влияния пользователей в социальных сетях / И.Я. Алекперова // Информационное общество. - 2012. - № 3. - С. 31-38.
75. Бухарин, С.Н. Методы и технологии информационных войн / С.Н. Бухарин, В.В. Цыганов. - М.: Академический проект, 2007. - 384 с.
76. Колодин, Д.В. Информационное влияние в социальных сетях в виртуальной реальности / Д.В. Колодин // Вестник Челябинского государственного университета. - 2014. - № 11(340). - С. 59-63.
77. Дорoфеюк, Ю.А. Анализ и оценка эффективности социально-экономических систем управления / Ю.А. Дорофеюк, А.А. Дорофеюк, А.Л. Чернявский // Информационные технологии и вычислительные системы. - 2011. -№1. - С. 14-23.
78. Дорoфеюк, А.А. Методология экспертно-классификационного анализа в задачах управления и обработки сложноорганизованных данных (история и перспективы развития) / А.А. Дорофеюк // Специальный выпуск журнала «Проблемы управления». - 2009. - № 3.1. - С. 19-28.
79. Дорoфеюк, А.А. Экспертные методы анализа и совершенствования систем управления / А.А. Дорофеюк, И.А. Покровская, А.Л. Чернявский // Автоматика и телемеханика. - 2004. - № 10. - С. 172-188.
80. Кузьмина, С.Н. Использование методов математического моделирования и инструментов экономики качества для обеспечения устойчивого развития социально-экономических систем / С.Н. Кузьмина, Н.В. Андросенко // Интернет-журнал «Науковедение». - 2014. - № 6(25). - Режим доступа: naukovedenie.ru/PDF/ 155EVN614.pdf.
81. Иванюк, В.А. Методы и модели для многoфакторного прогнозирования и управления в социально-экономических системах / В.А. Иванюк // Управленческие науки в современной России. - 2014. - № 2-2. - С. 207-210.
82. Логиновский, О.В. Модель управления социально-экономической системой с двойной петлей обратной связи / О.В. Логиновский, А.С. Козлов // Вестник ЮУрГУ. - 2012. - № 3. - С. 72-80.
83. Орлов, А.И. Методология моделирования процессов управления в социально-экономических системах / А.И. Орлов // Научный журнал КубГАУ. -2014. - № 101(07). - С. 166-196.
84. Лагерев, Д.Г. Автоматизация разработки управленческих решений в социально-экономических системах на основе применения нечетких когнитивных моделей : дис. ... канд. техн. наук : 05.13.10 / Лагерев Дмитрий Григорьевич. -Брянск, 2007. - 202 с.
85. Меликов, А.В. Обработка и анализ экспертной информации для управления социально-экономическими системами : дис. ... канд. техн. наук : 05.13.10 / Меликов Алексей Владимирович. - Волгоград, 2013. - 142 с.
86. Губанов, Д.А. Модели информационного управления в социальных сетях : дис. ... канд. техн. наук : 05.13.10 / Губанов Дмитрий Алексеевич. -Москва, 2009. - 181 с.
87. Мачуева, Д.А. Специфика регионов РФ как социально -экономических систем / Д.А. Мачуева // Материалы IV Всероссийской молодежной научно-
практической конференции «Компьютерные технологии и телекоммуникации -2016» (КТИТК-2016). - Грозный, 2016. - С. 300-306.
88. Мачуева, Д.А. О современных методах управления социально -экономическими системами / Д.А. Мачуева // Материалы IV Международной научно-практической конференции «Наука России: Цели и задачи». -Екатеринбург, 2017. - № 4, ч.2. - С. 33-37.
89. Мачуева, Д.А. Современные методы анализа и оценки социально -экономических систем / Д.А. Мачуева // Инженерный вестник Дона. - 2016. - № 4(43). - Режим доступа: http://ivdon.ru/ru/magazine/archive/n4y2016/3909
90. Кошнов, Д.А. Информационное управление в социально-экономических системах: элементы управления и способы информационного воздействия / Д.А. ^нонов, В.В. Кульба, А.Н. Шубин // Проблемы управления. -2004. - №3. - С.25-333.
91. Кононов, Д.А. Информационное управление в социально-экономических системах: акции в информационных полях / Д.А. Кононов, В.В. Кульба, А.Н. Шубин // Проблемы управления. - 2004. - №4. - С.81-877.
92. Новиков, Д.А. Теория управления организационными системами / Д.А. Новиков. - М.: Физматлит, 2007. - 584 с.
93. Губанов, Д.А. Модели влияния в соцсетях / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили // Управление большими системами. Управление в социально-экономических системах. - 2009. - № 27. - С.205-281.
94. Губашв, Д.А. Модели влияния и информационного управления в социальных сетях / Д.А. Губашв, Д.А. Новиков, А.Г. Чхартишвили // Проблемы управления. Управление в социально-экономических системах. - 2009. - № 5. -С. 28-35.
95. De Groot, M.H. Reaching a Consensus / M.H. De Groot // J. Amer. Statist. Assotiat., 1974, no. 69, pp. 118-121.
96. Губанов, Д.А. Модели репутации и информационного управления в социальных сетях / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили // Математическая теория игр и ее приложения. - 2009. - Т. 1, В. 2. - С. 14-37.
97. Губанов, Д А. Модели унифицированного информационного управления в однородных социальных сетях / Д.А. Губанов, Д.А. Новиков // Управление большими системами. Сетевые организации и социальные сети. Специальный выпуск 30.1 «Сетевые модели в управлении». - 2010. - С.722-742.
98. Губанов, Д А. Теоретико-игровые модели информационного противоборства в социальных сетях / Д.А. Губанов, А.О. Калашников, Д.А. Новиков // Управление большими системами. Управление в социально-экономических системах. Выпуск 31. - С.192-204.
99. Федянин, Д.Н. Об одной модели информационного управления в социальных сетях / Д.Н. Федянин, А.Г. Чхартишвили // Управление большими системами. Управление в социально-экономических системах. - 2010. - Выпуск 31. - С.265-275.
100. Бреер, В.В. Модели управления толпой / В.В. Бреер, Д.А. Новиков // Проблемы управления. - 2012. - № 2. - С. 38-44.
101. Granovetter, M. Threshold Models of Collective Behavior / M. Granovetter // The American Journal of Sociology, 1978, Уо1. 83, № 6, pp. 1420-1443.
102. Бреер, В.В. Микро- и макромодели социальных сетей. Ч. 1. Основы теории / В.В. Бреер, Д.А. Новиков, А.Д. Рогаткин // Проблемы управления. - 2014.
- № 5. - С. 28-33.
103. Батов, А.В. Микро- и макромодели социальных сетей. Ч. 2. Идентификация и имитационные эксперименты / А.В. Батов, В.В. Бреер, Д.А. Новиков, А.Д. Рогаткин // Проблемы управления. - 2014. - № 6. - С. 45-51.
104. Бреер, В.В. Стохастические модели управления толпой / В.В. Бреер, Д.А. Новиков, А.Д. Рогаткин // Управление большими системами. - 2014. - № 52.
- С. 85-117.
105. Барабанов, И.Н. Динамические модели управления возбуждением толпы в непрерывном времени / И.Н. Барабанов, Д.А. Новиков // Управление большими системами. - 2016. - Выпуск 63. - С. 71-86.
106. Новиков, Д.А. Модели информационного противоборства в управлении толпой / Д.А. Новиков // Проблемы управления. - 2015. - Выпуск 3. - С. 29-39.
107. Губанов, Д.А. Социальные сети: модели информационного влияния, управления и противоборства / Д.А. Губанов, Д.А. Новиков, А.Г. Чхартишвили. -М.: Изд-во физико-математической литературы, 2010. - 228 с.
108. Бреер, В.В. Модели толерантного порогового поведения (от Т. Шеллинга - к М. Гранoветтеру) / В.В. Бреер // Проблемы управления. Управление в социально-экономических системах. - 2016. - №1. - С.11-20.
109. Schelling, T. Micromotives and Macrobehavior / T. Schelling. - N.Y.: WW Norton & Co, 1978, 272 p.
110. Schelling, T. Dynamic Models of Segregation / T. Schelling // Journal of Mathematical Sociology, 1971, Vol. 1, pp. 143-186.
111. Рогаткин, А.Д. Модель Грановеттера с непрерывным временем / А.Д. Рогаткин // Управление большими системами. - 2016. - Выпуск 60. - С. 139-160.
112. Горковенко, Д.К. Сравнительный анализ моделей эпидемии и клеточного автомата при моделировании распространения информации в социальных сетях / Д.К. Горковенко // Научно-технические ведомости СПбГПУ. -2017. - Т. 10, № 3. - С. 103-113.
113. Islamgulova, V.V. Discreet risk-models of the process of the development of virus epidemics in non-uniform networks / V.V. Islamgulova, A.G. Ostapenko, N.M. Radko, R.K. Babadzhanov, O.A. Ostapenko // Journal of Theoretical and Applied Information Technology, 2016, Vol. 86, no. 2, pp. 306-315.
114. Ponomarenko, E.N. Discrete risk models of the process of viral epidemics development in homogenous information and telecommunication networks / E.N. Ponomarenko, V.N. Kostrova, R.K. Babadzhanov, Y.N. Guzev, V.S. Zarubin // Journal of Theoretical and Applied Information Technology, 2016, Vol. 92, no. 2, pp. 235-252.
115. Newman, M.E. Finding and evaluating community structure in networks / M.E. Newman, M. Girvan // Phys. Rev. E 69, 2004, pp. 53-58.
116. Parinov, A.V. Risk models of destructive content diffusion between social network communities / A.V. Parinov, E.A. Shvartskopf, L.G. Popova, I.L. Bataronov, N.N. Tolstykh // AP - International Journal of Pure & Applied Mathematiks, 2018, Vol. 119, № 15, pp. 2605-2609.
117. Абрамова, Н.А. Экспертная верификация при использовании формальных когнитивных карт. Подходы и практика / Н.А. Абрамова // Управление большими системами. Специальный выпуск 30.1 "Сетевые модели в управлении". - М.: ИПУ РАН, 2010. - С.371-410.
118. Авдева, З.К. Когнитивное моделирование для решения задач управления слабо структурированными системами / З.К. Авдеева, С.В. Коврига, Д.И. Макаренков // САБС-2006: Тр. 6-й Междунар. конф. М.: Институт проблем управления РАН. - 2006. - С. 41-54.
119. Максимoв, В.И. Применение структурно-целевого анализа развития социально-экономических ситуаций / В.И. Максимов, С.В. Коврига // Проблемы управления. - 22005. - № 3. - С. 39-44.
120. Авдеева, З.К. Когнитивный подход в управлении / З.К. Авдеева, С.В. Коврига, Д.И. Макаренков, В.И. Максимов // Проблемы управления. - 2007. - № 3.
- С. 2-8.
121. Заболoтский, М.А. Когнитивное моделирование - уникальный инструмент для анализа и управления сложными системами (регион, отрасль промышленности, крупное предприятие) / М.А. Заболoтский, И.А. Полякова, А.В. Тихонин // Успехи современного естествознания. - 2005. - № 2. - С. 28-28.
122. Чернявский, А.Л. Кoгнитивные методы принятия решений в задачах управления слабо формализованными системами, базирующиеся на процедурах структурно-итерационной экспертизы / А.Л. Чернявский, А.А. Дорофеюк, И.В. Покровская // Когнитивный анализ и управление развитием ситуаций (CASC'2009): Тр. Междунар. конф. М.: Институт проблем управления РАН, 2009.
- С. 117-120.
123. Гинис, Л.А. Методологические основы нечеткого когнитивного моделирования иерархических проблемно-oриентированных систем / Л.А. Гинис // Инженерный вестник Дон, 2014, №2. - Режим доступа: ivdon.ru/magazine ^^^^2014/2326.
124. Ажмухамедов, И.М. Синтез управляющих решений в слабо структурированных плохо формализуемых социотехнических системах / И.М. Ажмухамедов // Управление большими системами. - 2013. - № 42. - С. 29-54.
125. Ажмухамедов, И.М. Управление социотехническими системами (на примере систем комплексного обеспечения информационной безопасности): монография / И.М. Ажмухамедов. - Ростов н/Д: Изд-во ЮНЦ РАН, 2014. - 288с.
126. Проталинский, О.М. Системный анализ и моделирование слабоструктурированных и плохоформализуемых процессов в социотехнических системах / О.М. Проталинский, И.М. Ажмухамедов // Инженерный вестник Дон, 2012, №3. - Режим доступа: ivdon. ru/magazine /archive/n2y2012/.
127. Chi Jen Lin. Assignment Problem for Team Performance Promotion under Fuzzy Environment / Chi Jen Lin // Hundawi Publishing Corp. Mathematic Problems in Engineering. 2013. - URL: http://dx.doi.org/10.1155/2013/791415.
128. Kaufman, A. Introduction to Fuzzy Arithmetic: Theory and Applications / A. Kaufman, M. Gupрta // Van Nostrand Reinhold, 1991. 160 p.
129. Surapati, P. Multi-objective Assignment Problem with Generalize Trapezoidal Fuzzy Number / P. Surapati, B. Pranab // International Journal of Applied Information System (IAIS). Foundation of Compute Science, New-York, 2012, Vol.2, n.6. URL: http://www. iais.org.
130. Мачуева, Д.А. Теория нечетких множеств в исследованиях социально-экономических систем / Д.А. Мачуева // Материалы IV Всероссийской научно-методической конференции «Инновационные технологии в профессиональном образовании». - Грозный, 2015. - С. 223-227.
131. Гребень, Н.Ф. Психологические тесты для профессионалов / Н.Ф. Гребень. - Минск: Современная школа, 2007. - 496 с.
132. Ажмухамедов, И.М. Моделирование процесса распространения информации в социальных сетях // Фундаментальные исследования / И.М. Ажмухамедов, Д.А. Мачуева, Д.А. Жолобов. - 2017. - № 5. - С. 9-14. - Режим доступа: http://www.fundamental-research.ru/ru/article/view?id=41498.
133. Корченков, А.Г. Исследование статметодов формирования функций принадлежности / А.Г. Корченков, В.А. Рындюк // Защита информации: Сб. научных трудов - Киев: НАУ, 2002. - Вып. 2(9). - С. 54-60.
134. Поспелов, Д.С. «Серые» или «черно-белые» шкалы / Д.С. Поспелов // Прикладная эргономика. Спец. выпуск «Рефлексивные процессы». - 1994. - № 1. -С. 266- 399.
135. Ярушкина, Н. Г. Нечеткие гибридные системы. Теория и практика / Н.Г. Ярушкина. - М.: Физматлит, 2007. - 208 с.
136. Добрынин, В.Н. Самоорганизация и интеллектуальное управление развитием социотехнических систем: состояние и пути решения проблемы / В.Н. Добрынин // Системный анализ в науке и образовании. - 2010. - № 3. - С. 12-42.
137. Azhmuhamedov, I.M. Modeling of communication process in social environment / I.M. Azhmuhamedov, A.I. Azhmuhamedov, D.A. Machueva // Journal of Theoretical and Applied Information Technology, 2016, Vol.85. No.2, pp. 146-154.
138. Ажмухамедов, И.М. Математическое моделирование процесса информационного воздействия на антропогенную подсистему организации / И.М. Ажмухамедов, Д.А. Мачуева, А.А. Красноперова // Прикаспийский журнал: Управление и высокие технологии. - 2017. - № 3. - С. 61-69.
139. Ажмухамедов, И.М. Модель процесса распространения информации в социальных сетях / И.М. Ажмухамедов, Д.А. Мачуева, Д.А. Жолобов // Материалы XVII Межрегиональной научно -практической конференции «Современные проблемы проектирования, применения и безопасности информационных систем». - Ростов-на-Дону, 2017. - С. 124-129.
140. Мачуева, ДА. Информационное воздействие на социальную подсистему организации с целью повышения уровня ее безопасности / Д.А. Мачуева, А.А. Красноперова // Сборник материалов I Молодежной международной конференции «Информационные технологии и технологии коммуникаций: современные достижения». - Астрахань, 2017. - С. 162-165.
141. Ажмухамедов, И.М. Методика формирования информационных профилей пользователей социальных сетей (на примере Чеченской республики) /
И.М. Ажмухамедов, Д.А. Мачуева, Д.А. Жолобов // Прикаспийский журнал: Управление и высокие технологии. - 2017. - № 1(37). - С. 63-70.
142. Azhmuhamedov, I.M. Development of measures to counter information extremism / I.M. Azhmuhamedov, D.A. Machueva // Proceedings of REMS 2018 -Russian Federation & Europe Multidisciplinary Symposium on Computer Science and ICT, Stavropol, Russia, 15-20 October 2018, published at http://ceur-ws.org/Vol-2254/10000318.pdf
143. Мачуева, Д.А. Моделирование процесса информационного взаимодействия в социальных системах / Д.А. Мачуева, И.М. Ажмухамедов // Системы управления, связи и безопасности. - 2018. - № 2. - С. 18-39. - Режим доступа: http://sccs.intelgr.com/archive/2018-02/02-Machueva.pdf
144. Деревяшко, В.В. Влияние фактора старения информации на ее ценность для организации / В.В. Деревяшко // Математические и инструментальные методы экономики. Экономические науки. - 2010. - № 1(62). - С. 425-427.
145. Ажмухамедов, И.М. Микро- и макро- модели процесса информационного взаимодействия в социальных системах / И.М. Ажмухамедов, Д.А. Мачуева // Вестник АГТУ. Сер.: Управление, вычислительная техника и информатика. - 2019. - № 1.
146. Ажмухамедов, И.М. Моделирование процесса информационного взаимодействия в социальных системах с целью выработки мер противодействия информационному экстремизму / И.М. Ажмухамедов, Д.А. Мачуева // Материалы XIV Всероссийской научно-практической конференции «Математические методы и информационно-технические средства». - Краснодар, 2018. - С. 3-9.
147. Мачуева, Д.А. Модель информационного обмена в социальной среде как основа для противодействия терроризму и экстремизму / Д.А. Мачуева, В.В. Глебов // Материалы Всероссийской конференции «Современный терроризм, его формы и средства противостояния». - Ставрополь, 2018. - С. 176-179.
148. Карпов, Л.Е. Адаптивное управление по прецедентам, основанное на классификации состояний управляемых объектов / Л.Е. Карпов, В.Н. Юдин // Труды Института системного программирования. - Москва, 2007. - С. 37-57.
149. Центр маркетинговых компетенций Marketolog.biz: калькулятор выборки [Электронный ресурс]. - Режим доступа: marketolog.biz/index.php?pid=75.
Приложение А Акты о внедрении результатов научного исследования
«УТВЕРЖДАЮ»
министра та и связи ЧР А.М. Эдиев 2018 г.
АКТ
об использовании результатов научной работы
Настоящим актом подтверждается использование результатов диссертационного исследования Мачуевой Дины Алуевны, представленного на соискание ученой степени кандидата технических наук,в работе отдела связи и информатизации Министерства транспорта и связи Чеченской Республики.
В рамках решаемых Министерством задач в части анализа проектов и проработки перспективных направлений развития в сфере связи и инфокоммуникаций, полученные результаты обладают актуальностью и представляют практический интерес.
Внедрение методологических подходов, предложенных соискателем, направлено на решение задачи удовлетворения потребностей населения в обеспечении услугами связи и информатизации.
В частности, применение разработанной соискателем модели процесса информационного взаимодействия в социальных системах и соответствующего программного обеспечения позволило:
- изучить закономерности и специфику процессов социальной коммуникации в регионе, и на основе полученных данных оценить уровень обеспеченности и эффективность использования информационных ресурсов;
- выделить факторы, влияющие на распространение информации, и выработать практические рекомендации и предложения по развитию и рациональному использованию каналов коммуникации.
При этом эффективность использования каналов коммуникации по оценкам экспертов возросла пример^н».25%.
>: <. О УГГ"
Заместитель мш транспорта и свя^
А.М. Эдиев
Рисунок А.1 - Акт об использовании результатов научной работы в Министерстве транспорта и связи Чеченской республики
CREDITEXPRESS
«УТВЕРЖДАЮ»
©лОперационный директор
ООО«КЭФ» Дементьева Ь.11. Of_______ 201 I r.
АКТ
применении результатов научной работы
Мы, нижеподписавшиеся: Руководитель отдела по рабо те с персоналом ООО «КЭФ» Кулагина Ольга Вячеславовна и аспиран т Астраханского государственного технического университета Мачуева Д.А. составили настоящий ак т в том, что в ООО «КЭФ» используются результаты диссертационной работы Мачуевой Дины Алуевны. представленной на соискание ученой степени кандидата технических наук.
Использование в практике работы компании разработанных соискателем модели и соответствующего программного обеспечения позволило обоснованно планировать и осуществлять информационное воздействие на персонал с целыо улучшения уровня его лояльности и, как следствие, повышения эффективности работы. Приращение лояльности в рамках различных тематик информационного воздействия но оценке службы управления персоналом составило от 28% до 46%.
Внедрение указанных резуль татов диссертационного исследования Мачуевой Д.А. позволило существенно увеличить эффективность работы персонала ООО «КЭФ».
От ООО «КЭФ»
От ФГБОУ ВО «АГ ГУ»
Pyi ерсоналом
Рисунок А. 2 - Акт о применении результатов научной работы в ООО «Кредитэкспресс Финанс»
«УГВЬ^ЖДАЮ»
Проректор по научной работе ФГБОУ ВО «Астраханский государственный университет», д.б.н., пессор у А.В. <отова
« мЩшШШШй 018 г.
«УТШ^ЖДАЮ
работ е ФПЮУ ВС
■р
АКТ
об использовании результатов диссертационной работы на соискание ученой степени кандидата технических наук
Результаты диссертационной работы на соискание степени кандидата технических наук Д.А. Мачуевой использованы в Астраханском государственном университете при подготовке студентов направления 10.03.01 «Информационная безопасность» по дисциплинам, связанным с моделированием информационных процессов.
При подготовке лекционного материала используются следующие основные положения разработанной в рамках диссертационного исследования методики моделирования процесса распространения информации:
• математическая модель процесса информационного взаимодействия в социальных системах;
• алгоритм получения и интерпретации исходных данных для использования модели;
• возможность установления и изучения основных закономерностей процесса распространения информации путем проведения имитационных экспериментов.
При проведении практических занятий используется разработанное в рамках диссертационного исследования программное обеспечение, реализующее предложенную методику, модель и алгоритм.
Зам. зав. кафедрой «Информационная
безопасность», к.т.н., доцент
Т.Г. Гурская
Рисунок А.3 - Акт об использовании результатов диссертационной работы в ФГБОУ ВО «Астраханский государственный университет»
«УТВЕРЖДАЮ»
АКТ
об использовании в учебном процессе результатов диссертационного исследования
Настоящим актом подтверждается использование результатов диссертационной работы на соискание степени кандидата технических наук Мачуевой Дины Алуевны в учебном процессе в Институте прикладных информационных технологий Грозненского государственного нефтяного технического университета имени акад. М.Д. Миллионщикова.
Результаты исследования, изложенные в диссертации, имеют научное и практическое значение. Разработанная методика имитационного моделирования процесса информационного взаимодействия в социальных системах используется при реализации Основной образовательной программы высшего образования по направлению подготовки бакалавров 09.03.02 «Информационные системы и технологии».
Основные положения диссертационного исследования Мачуевой Д.А., а также установленные закономерности процесса распространения информации и сделанные выводы применяются при подготовке лекционного материала по дисциплинам «Моделирование процессов и систем» и «Теория информационных процессов и систем». При проведении лабораторных занятий по данным дисциплинам используется разработанный в рамках исследования комплекс программ, реализующий предложенную математическую модель.
директор Института прикладных
информационных технологий ГГНТУ, д.пед.н., профессор
Э.Д. Алисултанова
Рисунок А.4 - Акт об использовании результатов диссертационного исследования в ФГБОУ ВО «Грозненский государственный нефтяной технический университет им. академика М.Д. Миллионщикова»
Приложение Б
Свидетельства о государственной регистрации программ для ЭВМ
Рисунок Б.1 - Свидетельство о государственной регистрации программы для ЭВМ №2017617010
Рисунок Б.2 - Свидетельство о государственной регистрации программы для ЭВМ №2018615896
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.