Preview

Вестник НГУЭУ

Расширенный поиск

МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРЕДСКАЗАНИЯ РАСПРОСТРАНЕНИЯ ИНФЕКЦИИ В СЕТИ

Полный текст:

Аннотация

Запуск в 2004 г. Facebook послужил толчком для исследования вопроса, как люди взаимодействуют друг с другом в рамках социальной сети, в которой они состоят. С тех пор прошло уже более 10 лет и появилось множество тематических социальных сетей: Twitter, Instagram, LinkedIn, Flickr и т.д. Во всех перечисленных социальных сетях люди обмениваются какой-либо информацией: фотографиями, ссылками, контактами и пр. Информация – своего рода вирус, передающийся от человека к человеку. Соответственно распространение информации в социальной сети рассматривается автором с точки зрения модели заражения (epidemics in social network). В работе ставится задача предсказания порога эпидемии (пороговой характеристики сети, при превышении которой сеть гарантированно оказывается полностью зараженной) в момент времени t+1 на основании исторических данных за периоды t, t–1 и ранее. Для решения поставленной задачи необходимо знать, как поведет себя сеть в момент времени t+1, будет ли граф сети связным, какие связи разорвутся, а какие появятся и т.д. Ведь именно этим определяются скорость распространения инфекции по сети и порог эпидемии. Соответственно возникает проблема Link Prediction Problem, которая решается методами машинного обучения (Random Forest, Support Vector Machines) путем отнесения пар вершин к классам соединенных и несоединенных и предсказания класса пары вершин в момент времени t+1 на основании топологических и факторных характеристик узлов сети. Таким образом, результатом исследования является алгоритм прогнозирования распространения инфекции в социальной сети при помощи методов машинного обучения. 

Об авторе

П. А. Сулимов
Центральный банк РФ
Россия

Департамент статистики, Центральный банк РФ, Москва, Россия



Список литературы

1. Hasan M.A., Zaki M. A survey of link prediction in social networks. Social Network Data Analytics, Springer US, 2011. Р. 243–275.

2. Huang Z., Lin D.K.J. The time-series link prediction problem with applications in communication surveillance. INFORMS Journal on Computing, 2009.

3. Liben-Nowell D., Kleinberg J.M. The link prediction problem for social networks. In Proc. of the ACM Intl. Conf. on Inform. and Knowlg. Manage. (CIKM’03), 2003.

4. Medlock J. Mathematical modeling of epidemics. University of Washington, 22&24 Vaf 2002.

5. Nahla M.A., Ling C. New approaches for link prediction in temporal social networks, Computer Modeling & New Technologies. 2014. P. 87–94.

6. Potgieter A., April K., Cooke R., Osunmakinde I. Temporality in Link Prediction – Understanding Social Complexity. ECO. 2009. Vol. 11. No. 1.


Для цитирования:


Сулимов П.А. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРЕДСКАЗАНИЯ РАСПРОСТРАНЕНИЯ ИНФЕКЦИИ В СЕТИ. Вестник НГУЭУ. 2016;(1):285-306.

For citation:


Sulimov P.A. METHODS OF MACHINE LEARNING TO PREDICT THE SPREAD OF THE INFECTION IN THE NETWORK. Vestnik NSUEM. 2016;(1):285-306. (In Russ.)



Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2073-6495 (Print)