tsukanova_oa_modeli_i_metody_upravleniia_informatsionnymi_re

101

Для системы (5) необходимым и достаточным условием существования устойчивых ненулевых равновесных точек является справедливость неравенства для параметров системы:

где , .

Таким образом, система (2) дает наиболее адекватное описание нелинейной динамики отправителей и получателей коротких сообщений. В сети возможно установление асимптотически устойчивого сосуществования отправителей и получателей, как практически самоорганизуемого субъектно-объектного

взаимодействия, что определяется условиями (7), (8) и . Управленческое

воздействие субъекта в данном случае определяется исключительно общими функциями анализа и контроля.

Полученные соотношения, связывающие контролирующие параметры системы (относительные скорости уменьшения и увеличения числа отправителей и получателей заметок, максимальные «рационы» отправителей и получателей заметок и др.), могут быть использованы для определения качественных условий существования ненулевого конечного числа получателей и отправителей заметок,

а также качественных условий устойчивости сети к изменению контролирующих параметров. В этих случаях принципиально важными являются не абсолютные значения контролирующих параметров, которые в некоторых случаях не могут быть оценены, а соотношение между ними в виде неравенств.

Если говорить о случае наиболее популярного микроблогингового сервиса

Twitter в контексте рассмотрения потоковых процессов, то в качестве потоков могут быть использованы потоки твитов, ретвитов и ответов; в качестве движущих сил – различного рода информация. Детальное описание указанных процессов даст возможность сформулировать и провести анализ неравновесной динамической модели сети. Очевидно, что данная система будет диссипативной.

102

В диссипативных системах, при определенных значениях контролирующих параметров, возможно появление динамического хаоса (траектории динамической системы являются хаотическими) и хаотических аттракторов [34]. Актуальной становится задача управления хаосом в динамической системе сети.

3.7.Логика механизмов и стратегии управленческого воздействия

Вслучае решения задачи по управлению информационными ресурсами сетевого сообщества с целью его качественного развития, необходимо в первую очередь ориентироваться на семантическую составляющую вбрасываемой информации. В связи с этим, предлагаемые математические модели должны позволять условно считать возможные входные воздействия математическим представлением информации, а выходные результаты – математическим представлением знания.

Предполагается, что цели управления информационными ресурсами могут

быть достигнуты посредством использования следующих оптимизационных

механизмов:

1.Механизма накопления или мультипликации, аппроксимируемого известной кривой тезауруса, общий вид которой представлен на рис. 15. Данный механизм характеризует процесс накопления информационных ресурсов в системе, что позволяет создать «эволюционирующую библиотеку». В этом случае знаниевая компонента приобретает особую значимость, так как именно она позволяет создать качественное и полезное информационно-ресурсное наполнение управляемого пространства профессионально-ориентированных сетевых сообществ.

2.Оптимизационных механизмов ускорения или акселерации, позволяющих обеспечить ускорение процессов перехода на новый слой текстурированной среды. Предлагаемая модель позволяет использовать для этих целей различные приемы и методы системного манипулирования (или избирательного воздействия

103

на определенные подсистемы – акторную, информационную и т.п.). В связи с этим, самостоятельное значение приобретают: сознательный выбор объекта воздействия, установление характера и интенсивности управляющих воздействий,

выработка критериев стабильности развития и контроль параметров отклонения.

На рис.15 пространство от 0 до max находится в пределах «черного ящика» формируемой модели и является эволюционной площадкой для активизируемого или оптимизируемого когнитивного ресурса.

Рисунок 15. Пример «кривой тезауруса»

Для управления качественным наполнением и развитием сетевого сообщества необходимо в первую очередь определить семантическую составляющую, критерии содержательности и установить границы «допустимого» тезауруса (стабильного тезауруса, не включающего «вредоносных» слов),

которым может располагать сообщество, и «тревожного» тезауруса, который необходимо контролировать.

Семантическая составляющая и критерии содержательности зависят от особенностей использования информационных ресурсов в конкретных системах.

Для установления границ «допустимого» тезауруса следует выделить 2 основных варианта управленческой стратегии:

104

1. Поддержка информационного наполнения на «безвредном» для сообщества уровне. Осуществляется посредством блокирования элементов,

вызывающих отклонение от установленных рамок. Эта стратегия позволит поддерживать стабильный уровень функционирования сообщества.

2. Введение корректирующих воздействий, т.е. контролируемое расширение границ «допустимого» тезауруса, или разрешение на включение (в

определенных случаях) отдельных элементов «тревожного» тезауруса. Такое включение является оправданным, если (вследствие повышения интереса к вводимым темам) создает возможность для развития новых тематических областей.

3.8.Описание структурно-функциональной схемы программного

обеспечения реализуемой модели

В настоящее время существуют различные программные комплексы визуализации и аналитики (такие как, например, NodeXL, Gephi, Pajek, Tulip и

т.п.). Как правило, они могут предоставить внешним аналитикам информацию о состоянии сети в определенный момент времени. Однако, для внешнего аналитика представляет интерес автоматизированный анализ динамики с целью выявления новых качественных состояний сети, который уже после выявления нового состояния предоставлял бы ему информацию о произошедших изменениях. Такой сервис позволил бы аналитику, вместо постоянного изучения состояния сети в отдельные моменты времени, проводить детальный анализ только в отмеченные моменты, что привело бы к повышению эффективности его работы за счет экономии времени.

На основе предложенного в настоящей работе комплексного подхода разработана структурно-функциональная схема программного обеспечения мониторинга и анализа сетевого сообщества (рис. 16). Показанная схема отражает предлагаемый комплекс мониторинга динамики. При реализации в качестве

Рисунок 16. Структурно-функциональная схема

Функции проектируемого программного комплекса разделены на 2

подсистемы: макро- и микроуровень. Алгоритм работы вышепоказанной схемы

106

заключается в следующем.

На макроуровне осуществляется автоматический мониторинг сети на уровне визуальных образов, а также обработка визуализированных представлений слоев текстуры на предтекстурном уровне (т.е., как фиктивных, так и реальных слоев каскадно текстурируемого пространства состояний сообщества) на предмет обнаружения значимых изменений, т.е. выявления «аномальных» слоев (новых,

качественно измененных слоев текстуры). Для этого изначально на базе внутренних моделей сети (таких, как, например, вышеописанные , , ), но с учетом открытых данных, предоставляемых сервисами аналитики, строятся кластерные модели, визуализирующие сеть в том или ином аспекте.

На этом уровне использовалось программное обеспечение анализа и визуализации NodeXL, интегрируемое с MS Excel для получения визуализированных представлений срезов сети, а также метрик для дальнейшего исследования.

Визуализированные представления получаются в следующем виде (рис. 17):

Рисунок 17. Пример визуализированного среза сети

Для выделения «аномального» слоя и выявления возможности формирования нового слоя текстуры разработан следующий алгоритм (рис. 18):

да

Изображения «условно» совпадают (с учетом допустимого отклонения

Δ)

нет

Сигнал о возможности формировании нового слоя текстуры.

(для параллельной работы на уровне 2 – интерпретации объяснения причин)

Рисунок 18. Алгоритм выявления «аномального» слоя текстурированного

пространства состояний сетевого сообщества.

108

Кроме того, для анализа на этом этапе предоставляются следующие

стандартные метрики [83]:

количество вершин и ребер (Total Edges and Vertices),

количество связанных компонентов (Connected Components),

диаметр графа (Geodesic Distance),

плотность графа (Graph Density),

коэффициент кластеризации (Clustering Coefficient),

мера степени промежуточности (Betweenness Centrality),

мера близости (Сloseness Centrality)

мера собственных векторов (Eigenvector Centrality)

Результат получается в табличной форме, например, для рассматриваемой сети Twitter таблица выглядит следующим образом (рис. 19):

Таким образом, в результате работы подсистемы макроуровня (NodeXL и

модуль Program 1) выявляется, своего рода, «аномальный» слой, характеристики которого поступают в подсистему анализа (для более подробного исследования причин изменений) и затем – в систему принятия решений.

На микроуровне (межслойный уровень) осуществляется детальный анализ параметров «аномального» слоя (вышеописанных метрических показателей сообщества, как графовой структуры) и качественный анализ межслойного перехода (основанный на применении дифференциальных уравнений) с целью сопровождения системы принятия решений.

В результате качественного анализа определяются ненулевые положительные равновесные точки.

109

Рис. 19. Пример таблицы с метриками

110

3.9.Выводы по главе 3

1.В третьей главе рассматривается вопрос мониторинга и анализа эволюционного перехода в текстурированном пространстве состояний с целью управления информационно-ресурсным потенциалом (подробно описанным в главе 1). Для этой цели предлагается оригинальный метод анализа и идентификации эволюционного перехода.

2.Для решения поставленной задачи разработки метода управления эволюционными переходами при эволюционном развитии сетевого сообщества,

предлагается следующий подход. Социальная сеть рассматривается, как такая динамическая система, которая из совокупного действия индивидуальных интересов вырабатывает агрегированные факторы (потоки), которые начинают проявляться в макромасштабе и действовать по законам детерминированных связей и отношений. В терминологии популяционной динамики пользователи микроблогинговых сетей находятся в отношении мутуализма – в одном из типов симбиотических отношений, при котором межпопуляционные взаимодействия являются обязательными. В этом случае необходимо существование отправителей и получателей заметок (твитов, в случае Twitter) – в отсутствии одного из этих видов другой вид вымирает (нет отправителей – нет получателей, нет получателей

–нет смысла в отправителях).

3.Подход к исследованию сети, как динамической системы с учетом информационного насыщения получателей и ресурсно-информационного взаимодействия отправителей и получателей, позволил рассмотреть и проанализировать динамические модели с различными уровнями ограниченности.

4.Анализ моделей показал, что модель, одновременно учитывающая как насыщение отправителей и получателей, так и фактор взаимодействия между ними, наиболее адекватно отражает нелинейную динамику отправителей и получателей заметок.