Лінійна модель
У деяких випадках динаміка тематичних інформаційних потоків (підви-щення актуальності або старіння інформації) відбувається лінійно, тобто кількі-сть повідомлень у момент часу t можна, відповідно, представити формулою:
y (t) = y (t0) + v (t - t0),
де y (t) - кількість повідомлень на час t, v - середня швидкість збільшення (Змен-шення) інтенсивності тематичного інформаційного потоку в часу (наприклад, в результаті старіння). Нижче на рис. 39 а) і б) наведені приклади лінійного росту кількості повідомлень з інформаційного потоку в системі контент-моніторингу InfoStream, в яких зустрічаються слова «багатопартійність» і «електорат», відпо-відно.
З графіків, які відображають динаміку змін понять протягом року, згла-джену відповідно до описаної вище процедури, можна побачити, що рівень зрос-тання пов'язаний, перш за все, із зростанням кількості джерел, які скануються протягом року.
Змістовна складова інформаційного потоку може бути кількісно оціне-на як флуктуації інформаційного потоку - зміна стандартного відхилення s (t), якеиобчислюєтьсярзарформулою:
Як показано в роботі [21], якщо ці величини змінюються як корінь квадратний з часу, то процес зміни публікацій по темі можна вважати процесом з незалежними приростами. При цьому зв'язками з попередніми публікаціями можна знехтувати. У разі поведінки стандартного відхилення за часом як s (t) μ tm, чим більше значення m, тим вище кореляція між поточними і попередніми публікаціями.
У цих випадках m характеризує ступінь зв'язку між випадковими подіями і приймає значення від 1 / 2 до 1.
а)
Рис. 39. Лінійні тренди інтенсивності публікацій зі словами: а) - багатопартійність, б) – електорат
Експоненціальна модель
У деяких випадках процес збільшення (зростання) актуальності чи ста-ріння інформації описується експоненційної залежністю, яку можна апроксиму-ватиитакоютформулою: де m - середнє відносне зміна інтенсивності інформаційного потоку.
Нижче (рис. 40) наведено приклад експоненціального зростання кіль-кості повідомлення з інформаційного потоку системи контент-моніторингу InfoStream, в яких зустрілося слово «блог». Протягом 26 місяців обумовлено зростанням популярності нового засобу спілкування в Інтернет - «живих жур-налів».
Відносне зміна інтенсивності в певний момент часу обчислюється за формулою:
Зміна флуктуацій величини () ilt щодо середнього значення може бути оцінена формулою:
У цьому випадку також, якщо s (t) змінюється як корінь квадратний від часу, то можна говорити про процес з незалежними приростами [21], кореляція між окремими повідомленнями несуттєва. У випадку наявності значної кількості залежних повідомлень справедливо: причому перевищує 1 / 2, але обмежено 1. Значення , яке перевищує 1 / 2, говорить про наявність довгостро-кової пам'яті системи. Такі системи породжують клас процесів, який отримав назву автомодельних, для яких передбачається кореляція між кількістю повідом-лень інформаційних потоків в різні моменти часу.
Рис. 40. Експонентний тренд інтенсивності публікацій
Вивчення флуктуацій інформаційних потоків показує наявність статис-тичної кореляції як на коротких, так і на тривалих тимчасових інтервалах. Нові надії дає застосування теорії фракталів, яка дозволяє говорити про прояв власти-востей подібності для комунікаційних процесів на різних рівнях. Такий підхід дозволив розширити уявлення про основні закономірності комунікаційних про-цесів (у тому числі і процесів росту актуальності або старіння інформації).