vsgiuВестник Сибирского государственного индустриального университетаBulletin of the Siberian State Industrial University2304 - 44972307-1710Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный индустриальный университет"10.57070/2304-4497-2022-4(42)-33-39vsgiu-172Research ArticleРаздел 2. Информационные технологииSection 2. Information TechnologyИСПОЛЬЗОВАНИЕ ГРАФОВОЙ МОДЕЛИ ДЛЯ ОПИСАНИЯ РАСПРОСТРАНЕНИЯ ИНФОРМАЦИИ В СОЦИАЛЬНОЙ СЕТИUSING A GRAPH MODEL TO DESCRIBE THE DISTRIBUTION OF INFORMATION IN A SOCIAL NETWORKКораблинаТатьяна ВалентиновнаKorablinaTat'jana

к.т.н., доцент

 Cand. Sci., Asist. Prof., Head of the Department of Applied Information Technologies and Programming

ktv@siu.sibsiu.ruБабичеваНадежда БорисовнаBabichevaNadezhda

к.т.н., доцент

Cand. Sci., Asist. Prof., Head of the Department of Applied Information Technologies and Programming

babicheva_nb@mail.ruГусевМаксим МихайловичGusevMaksim

 старший преподаватель, 

senior lecturer

mx-border@bk.ruСибирский государственный индустриальный университетРоссияSiberian State Industrial UniversityRussian FederationСибирский государственный индустриальный университетРоссияSiberian State Indus-trial UniversityRussian Federation202204062025043339Copyright © Кораблина Т.В., Бабичева Н.Б., Гусев М.М., 20252025Кораблина Т.В., Бабичева Н.Б., Гусев М.М.Korablina T., Babicheva N., Gusev M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsiu.ru/jour/article/view/172

Рассмотрен процесс распространения информации среди агентов социальной сети с целью верификации, оценки и точности разработанной модели. Построенная модель социальной сети позволяет проводить исследование распространения информации с учетом психофизиологических особенностей агента. Используемые в модели коэффициенты приема и передачи информации зависят от типа личности и определяются на основе анализа различных объектов деятельности. Источником информации является один из участников эксперимента, которая передается «ближнему кругу» агентов. Реализован программный модуль модели социальной сети. Модуль позволяет проводить исследования распространения информации с учетом психофизиологических особенностей агента. Программный модуль имеет интуитивно понятный интерфейс, позволяет задавать начальные условия эксперимента и выводить полученные результаты в удобном для пользователя виде. Для проверки адекватности работы модели проведена серия натурных экспериментов. Агенты сети, принявшие участие в эксперименте, до его начала прошли процедуру анкетирования с целью установления их типологического спектра личности с использованием методики многовариантного типирования личности. Показаны результаты заражения информацией участников сети на каждом шаге эксперимента.

The process of information dissemination among social network agents for the purpose of verification, evaluation and accuracy of the developed model is considered. The constructed model of the social network makes it possible to conduct a study of the dissemination of information taking into account the psychophysiological characteristics of the agent. The coefficients of receiving and transmitting information used in the model depend on the type of personality and are determined based on the analysis of various objects of activity of each type of personality. The source of information is one of the participants of the experiment, which is transmitted to the "inner circle" of agents. The software module of the social network model is implemented. The module allows you to conduct research on the dissemination of information, taking into account the psychophysiological characteristics of the agent. The software module has an intuitive interface, allows you to set the initial conditions of the experiment and display the results in a user-friendly form. To check the adequacy of the model, a series of field experiments were conducted. The participants who took part in the experiment, before it began, underwent a questionnaire procedure in order to establish their typological spectrum of personality using the technique of multivariate personality typing. The results of infecting network participants with information at each step of the experiment are shown.

социальная сетьграфовая модельагенты сетиэтапы экспериментаsocial networkgraph modelnetwork agentsexperiment stagesReferencesГусев М.М., Киселева Т.В., Кораблина Т.В., Пермякова Е.П. Моделирование процесса распространения информации в социальной сети // Системы управления и информационные технологии. 2021. № 1 (83). С. 54–59.Gusev M.M., Kiseleva T.V., Korablina T.V., Permyakova E.P. Modeling of the process of information dissemination in a social network. Sistemy upravleniya i informatsionnye tekhnologii. 2021, no. 1 (83), pp. 54–59. (In Russ.).Пермякова Е.П., Кораблина Т.В., Киселева Т.В., Гусев М.М. Формирование эффективных проектных команд на МвПРОР-технологии // Системы управления и ин-формационные технологии. 2019. № 3 (77). С. 67–71.Permyakova E.P., Korablina T.V., Kiseleva T.V., Gusev M.M. Formation of effective project teams on MVPRR-technologies. Sistemy upravleniya i informatsionnye tekhnologii. 2019, no. 3 (77), pp. 67–71. (In Russ.).Пермякова Е.П., Киселева Т.В. Многовариантное типирование интеллекта с гибкой профориентацией и адаптацией обучения. Новокузнецк: ИЦ СибГИУ, 2020. 95 с.Permyakova E.P., Kiseleva T.V. Multivariate typing of intelligence with flexible career guidance and adaptation of learning. Novokuznetsk: ITs SibGIU, 2020, 95 p. (In Russ.).Rakhmetullina Z., Mukasheva R., Mukha-medova R., Batyrkhanov B. Mathematical modeling of the interests of social network users. In.: Proceedings – 2021 International Young Engineers Forum in Electrical and Computer Engineering, YEF-ECE 2021. 2021. No. 5. P. 98–103.Rakhmetullina Z., Mukasheva R., Mukha-medova R., Batyrkhanov B. Mathematical modeling of the interests of social network users. In.: Proceedings – 2021 International Young Engineers Forum in Electrical and Computer Engineering, YEF-ECE 2021. 2021, no. 5. pp. 98–103.Батура Т.В. Модели и методы анализа компьютерных социальных сетей // Программные продукты и системы. 2013. № 3.Batura T.V. Models and methods of analysis of computer social networks. Programmnye produkty i sistemy. 2013, no. 3. (In Russ.).О’Нил К., Шатт Р. Data Science. Инсайдерская информация для новичков. Включая язык R. Санкт-Петербург: Питер, 2019. 368 с.O’Nil K., Shatt R. Data Science. Insider in-formation for beginners. Including the lan-guage of R. Sankt-Peterburg: Piter, 2019, 368 p. (In Russ.).Фетинина Е.П. Человеческая многовари-антность в познании и созидании. Новокузнецк: ИЦ СибГИУ, 2001. 136 с.Fetinina E.P. Human multivariance in cogni-tion and creation. Novokuznetsk: ITs SibGIU, 2001, 136 p. (In Russ.).Пермякова Е.П., Киселева Т.В. Многовариантное типирование интеллекта с гибкой профориентацией и адаптацией обучения. Новокузнецк: ИЦ СибГИУ, 2020. 95 с.Permyakova E.P., Kiseleva T.V. Mathematical modeling and analysis of nonlinear dynamic dissemination of information based on the social network of microblogs. Novokuznetsk: ITs SibGIU, 2020, 95 p. (In Russ.).Liu X., He D. Nonlinear dynamic information propagation mathematic modeling and analysis based on microblog social network // Social Network Analysis and Mining. 2020. Vol. 10. No. 1. P. 87.Liu X., He D. Nonlinear dynamic information propagation mathematic modeling and analysis based on microblog social network. Social Network Analysis and Mining. 2020, vol. 10, no. 1, pp. 87.Фетинина Е.П., Кораблина Т.В. Примене-ние теории нечетких множеств в многовариантной технологии профориентации и адаптации обучения // Системы управления и информационные технологии. 2007. № 1 (27). С. 95–101.Fetinina E.P., Korablina T.V. Application of the theory of fuzzy sets in the multivariate technology of career guidance and adaptation of training. Sistemy upravleniya i informatsionnye tekhnologii. 2007, no. 1 (27), pp. 95–101. (In Russ.).Wei J., Wu J., Johansson K.H., Cvetkovic V., Molinari M. On the modeling of neural cognition for social network applications. In: 1st Annual IEEE Conference on Control Technology and Applications, CCTA 2017. 2017. P. 1569–1574Wei J., Wu J., Johansson K.H., Cvetkovic V., Molinari M. On the modeling of neural cognition for social network applications. In: 1st Annual IEEE Conference on Control Technology and Applications, CCTA 2017. 2017, pp. 1569–1574.Пермякова Е.П., Кораблина Т.В., Киселева Т.В., Гусев М.М. Формирование эффективных проектных команд на МвПРОР-технологии // Системы управления и информационные техно-логии. 2019. № 3 (77). С. 67–71.Permyakova E.P., Korablina T.V., Kiseleva T.V., Gusev M.M. Formation of effective project teams on MvPROP-technologies. Sistemy upravleniya i informatsionnye tekhnologii. 2019, no. 3 (77), pp. 67–71. (In Russ.).Zhou Y., Sun X., Zheng Q., Liu T., Zhang B. Analyzing and modeling dynamics of infor-mation diffusion in microblogging social network // Journal of Network and Computer Applications. 2017. Vol. 86. P. 92–102.Zhou Y., Sun X., Zheng Q., Liu T., Zhang B. Analyzing and modeling dynamics of infor-mation diffusion in microblogging social network. Journal of Network and Computer Applications. 2017, vol. 86, pp. 92–102.Киселева Т.В., Кораблина Т.В., Гусев М.М., Гусева А.Н. Классификация агентов при распространении информации внутри социальной сети. В кн.: Системы автоматизации в образовании, науке и производстве. AS'2019. Труды XII всеросс. научн.-практ. конф. (с межд. уч.). Новокузнецк: ИЦ СибГИУ, 2019. С. 301–302.Kiseleva T.V., Korablina T.V., Gusev M.M., Guseva A.N. Classification of agents in the dissemination of information within a social network. In: Automation systems in education, science and production. LIKE '2019. Proceedings of the XII All-Russian Scientific.- practical conf. (with intern. uch.). Novokuznetsk: ITs SibGIU, 2019, pp. 301–302. (In Russ.).Мелехин И.В. Управленческо-деятель-ностный процесс поведения человека при размещении информации в социальных сетях // Актуальные направления научных исследований: от теории к практике. 2016. № 4-1 (10). С. 181–191.Melekhin I.V. Managerial-activity process of human behavior when posting information in social networks. Aktual'nye napravleniya nauchnykh issledovanii: ot teorii k praktike. 2016, no. 4-1 (10), pp. 181–191. (In Russ.).Liu X., He D., Liu C. Modeling information dissemination and evolution in time-varying online social network based on thermal diffusion motion // Physica A: Statistical Mechanics and its Applications. 2018. Vol. 510. P. 456–476Liu X., He D., Liu C. Modeling information dissemination and evolution in time-varying online social network based on thermal diffusion motion. Physica A: Statistical Mechanics and its Applications. 2018, vol. 510, pp. 456–476Yang D., Chen G., Liao X., Shen H., Cheng X. Modeling the reemergence of information diffusion in social network // Physica A: Statistical Mechanics and its Applications. 2018. Vol. 490. P. 1493–1500.Yang D., Chen G., Liao X., Shen H., Cheng X. Modeling the reemergence of information diffusion in social network. Physica A: Statistical Mechanics and its Applications. 2018, vol. 490, pp. 1493–1500.Целых А.А., Дедюлина М.А. Теоретико-графовые подходы к моделированию актор-сетей в исследованиях науки и технологий // Моделирование, оптимизация и информационные технологии. 2018. № 4 (23). С. 244–259.Tselykh A.A., Dedyulina M.A. Graph-theoretic approaches to modeling actor networks in research of science and technology. Modelirovanie, optimizatsiya i informatsionnye tekhnologii. 2018, no. 4 (23), pp. 244–259. (In Russ.).Gorshkov S., Ilyushin E., Chernysheva A., Goiko V., Namiot D. Using topic modeling for communities clusterization in the vkontakte social network // International Journal of Open Information Technologies. 2021. Vol. 9. No. 5. P. 12–17.Gorshkov S., Ilyushin E., Chernysheva A., Goiko V., Namiot D. Using topic modeling for communities clusterization in the vkontakte social network. International Journal of Open Information Technologies. 2021, vol. 9, no. 5, pp. 12–17.Wang C., Jiang C., Tang S., Yang L., Guo Y., Li F. Modeling data dissemination in online social networks: a geographical perspective on bounding network traffic load. In: Proceedings of the International Symposium on Mobile Ad Hoc Networking and Computing (MobiHoc). "MobiHoc 2014 – Proceedings of the 15th ACM Inter-national Symposium on Mobile Ad Hoc Net-working and Computing" 2014. Р. 53–62.Wang C., Jiang C., Tang S., Yang L., Guo Y., Li F. Modeling data dissemination in online social networks: a geographical perspective on bounding network traffic load. In: Proceedings of the International Symposium on Mobile Ad Hoc Networking and Computing (MobiHoc). "MobiHoc 2014 – Proceedings of the 15th ACM International Symposium on Mobile Ad Hoc Networking and Computing" 2014. 2014, pp. 53–62.

The authors declare that there are no conflicts of interest present.