Модель пошуку співтовариств в соціальній мережі
Володимир Миколайович Ахрамович, Сергій Володимирович Лазаренко, Ганна Вадимівна Мартинюк et al. · Ukrainian Scientific Journal of Information Security · 2020
Анотація. З метою забезпечення безперебійного функціонування соціальної мережі з великою кількістю абонентів її доцільно поділити на підмережі. Поділ на підмережі забезпечить якісний контроль трафіку та інших параметрів, у тому числі параметрів безпеки. Перша причина розбиття мережі на підмережі полягає в тому, щоб не отримати величезний broadcast домен. Другою важливою причиною поділу мережі на підмережі є забезпечення певного рівня безпеки. Третя причина – виявлення співтовариств у мережі. Визначено необхідність створення моделі, в якій граф генерується випадковим чином із заданими параметрами для внутрішніх і зовнішніх зв'язків між вершинами, а спільноти покладаються непересічними. Запропоновано метод виділення структури спільнот на основі методу максимальної правдоподібності, і на його основі описано чисельний алгоритм випадкового пошуку. Графи, що представляють реальні соціальні та комунікаційні мережі, швидко змінюються, при цьому ефективним інструментом їх вивчення являються випадкові графи. Важливим завданням є виявлення структури спільнот в мережах. В умовах великої розмірності мереж особливо актуальними є наближені методи, які дозволяють за обмежений час знаходити рішення, близьке до оптимального. Для вирішення такої проблеми пропонується створення моделі виділення структури спільнот на основі методу максимальної правдоподібності, і на його основі опис чисельного алгоритму випадкового пошуку таких спільнот. Досліджено поведінку цільової функції.
Cited by 2 works. doi:10.18372/2225-5036.26.14668 Open-access PDF
Authors
References
- Finding and evaluating community structure in networks
- Graphs and Cooperation in Games
- A Random Walks View of Spectral Segmentation.
- Social and Economic Networks
- Cooperative Game Theory Approaches for Network Partitioning
- A survey of data mining and social network analysis based anomaly detection techniques
- Identifying Community Structures from Network Data via Maximum Likelihood Methods