Анализ ближайшего окружения социальной сети

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

В работе [1] авторами описан подход для извлечения данных о пользователях сети «Вконтакте» с использованием протокола OAuth 2.0 и метода программного интерфейса социальной сети «friends.get». В данной статье, продолжаются исследования из [1], анализируются сети, представленные в табл. 1.

Корневыми аккаунтами, используемыми для извлечения данных являются аккаунты деятелей политики и кино (Медведев, Жириновский, Харламов, Охлобыстин), а также сотрудников кафедры АСОИУ ОмГТУ, двое из них являются преподавателями (Богатов, Юдин), а один студентом (Ниткин).

Таблица 1 - Основные характеристики исследуемых сетей соседства

Исследование структурных характеристик

Используя разбиение узлов на подмножества, представляющие собой круги соседства [1], получим подмножества узлов, представленные на рисунках 1-3. Рисунки отражают количество пользователей в каждом «круге друзей», и количество связей между кругами и внутри круга друзей. В первом круге друзей находятся все непосредственные друзья узла, определяющегося корневым аккаунтом. Во втором круге все друзья узлов первого круга, если они не входили в первый круг или не являются самим корневым аккаунтом. Так для структуры сообществ аккаунта Медведева на рис. 1 среди ближайших друзей (круг 1) мы обнаруживаем 13 аккаунтов, между которыми имеется 15 связей.

Рис. 1. Структура сообществ в ближайшем окружении пользователей «Вконтакте» с аккаунтами а) Медведева, б) Охлобыстина, в) Жириновского

Рис. 2. Структура сообществ в ближайшем окружении пользователей а) Харламова, б) Ниткина

Рис. 3. Структура сообществ в ближайшем окружении пользователей а) Богатова, б) Юдина

сетевой кластеризация модулярность сообщество

В табл. 2 представлены структурные характеристики, используемые в сетевом анализе. Это число сообществ, модулярность и коэффициент кластеризации. Эти характеристики можно посчитать во многих пакетах программ, таких как пакет igraph для среды R, а также разрабатываемой на кафедре программе Simbigraph [2]. Однако, исходя из результатов табл. 2, характеристики подсетей при анализе аккаунтов знаменитостей (Жириновский, Охлабыстин, Медведев, Харламов) и сотрудников кафедры АСОИУ (Богатов, Юдин, Ниткин) не имеют между собой существенных отличий.

Таблица 2 - Классические структурные характеристики сетей

В данной работе мы предлагаем использовать при анализе ближайшего окружения исследовать не сеть в целом, а подмножества сети, представляющие собой круги соседства, по отдельности. Так коэффициент кластеризации будет характеризовать не вероятность, что у случайно выбранного во всей сети аккаунта соседние аккаунты являются также связанными отношением дружбы, а вероятность, что у случайно выбранного в конкретном круге аккаунта соседние узлы являются также связанными отношением дружбы.

В таблице 3 и 4 представлены коэффициенты кластеризации по 1-му и 2-кругу, отсортированные по возрастанию.

Таблица 3 - Коэффициенты кластеризации по 1-му кругу

Исходя из анализа таблиц, можно сделать вывод, что показатели для знаменитостей в ближайшем круге (табл. 3) сильно отличаются от показателей сотрудников кафедры АСОИУ, в дальнейших кругах эта разница постепенно «размывается» (табл. 4, табл. 2).

Таблица 4 - Коэффициенты кластеризации по 2-му кругу

Также рассмотрим такой показатель как вероятность, что друзья случайно выбранных аккаунтов, связанных отношением дружбы и находящиеся в заданном круге, образуют между собой и с этими аккаунтами полный граф из трех и четырех вершин и другие виды подграфов (см. табл. 5 и табл. 6). Подсчет этих значений выполним методом, предложенным в [3], c некоторыми модификациями.

Таблица 5 - Вероятности подграфов на четырех вершинах для двух связанных аккаунтов у первого слоя. Данные отсортированные по возрастанию сумм последних двух столбцов

Таблица 6 - Вероятности подграфов на четырех вершинах для двух связанных аккаунтов у второго слоя. Данные отсортированные по возрастанию сумм последних двух столбцов

Полученные данные свидетельствуют о целесообразности гипотезы о расчете структурных характеристик сети не по всей неполной сети, а по подсетям, полученным на основании анализа соседства исследуемого аккаунта. При использовании предложенного подхода полученные показатели четко разделяют аккаунты известных российских политиков и общественных деятелей от аккаунтов «обычных» пользователей сети, в качестве которых в приведенном исследовании являлись аккаунты сотрудников кафедры АСОИУ ОМГТУ.

Литература

1. Ниткин Д.А., Юдин Е.Б. Исследование социальной сети «ВКонтакте» // Информационные технологии и автоматизация управления. Материалы VI Всероссийской научно-практической конференции студентов, аспирантов, работников образования и промышленности (Омск, 27-30 апреля 2015 г.). - Омск, - 2015. -С. 144-150.

2. Курчанов А.А., Юдин Е.Б Программа расчета метрических характеристик больших графов // Омский научный вестник. - 2014. - № 3 (133). -С. 217-221.

3. Юдин Е.Б., Задорожный В.Н. Расчет числа сетевых мотивов методом случайной выборки каркасов// Омский научный вестник. - 2015. -№ 140. -С. 208-211.

Размещено на Allbest.ru