Анализ социальных сетей и машинное обучение

Авторы: Хачатрян М.Г., Чепик П.И.
Опубликовано в выпуске: #2(19)/2018
DOI: 10.18698/2541-8009-2018-2-249
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика
Ключевые слова: социальные сети, машинное обучение, алгоритм, структура сети, графы, модель сети, классификация полярностей, идентификация спама
Опубликовано: 29.01.2018

Выполнен обзор литературы, посвященной анализу социальных сетей. Кратко рассмотрены основные направления анализа социальных сетей, сформулированы цели анализа и некоторые задачи в этих направлениях. Подробно описан основной метод представления социальной сети, а также приведены основные понятия, применяемые в большинстве направлений анализа социальных сетей. Рассмотрены сферы применения методов машинного обучения в анализе социальных сетей и случаи, в которых их использование целесообразно. Для демонстрации принципа работы методов машинного обучения приведен пример решения задачи идентификации спама методом машинного обучения с учителем.

Литература

[1] Басараб М.А., Иванов И.П., Колесников А.В., Матвеев В.А. Обнаружение противоправной деятельности в киберпространстве на основе анализа социальных сетей: алгоритмы, методы и средства (обзор). Вопросы кибербезопасности, 2016, № 4(17), с. 11–19.

[2] Чураков А.Н. Анализ социальных сетей. СоцИс, 2001, № 1, с. 109–121.

[3] Батура Т.В. Модели и методы анализа компьютерных социальных сетей. Программные продукты и системы, 2013, № 3, pp. 130–137.

[4] Jackson M.O. Social and economic networks. Princeton University Press, 2010, 520 p.

[5] Newman M. Networks: an introduction. Oxford University Press, Oxford, 2010, 720 p.

[6] Wu M. Social network analysis 101. URL: https://community.lithium.com/t5/Science-of-Social-Blog/Social-Network-Analysis-101/ba-p/5706 (дата обращения 06.11.2017).

[7] Wu M. From weak ties to strong ties: community vs. social networks 3. URL: https://community.lithium.com/t5/Science-of-Social-Blog/From-Weak-Ties-to-Strong-Ties-Community-vs-Social-Networks-3/ba-p/6834 (дата обращения 06.11.2017).

[8] Huddy G. How does machine learning improve social media analysis? URL: https://www.crimsonhexagon.com/blog/machine-learning-social-media-analysis/ (дата обращения 13.11.2017).

[9] Habernal I., Ptácek T., Steinberger J. Sentiment analysis in Czech social media using super-vised machine learning. Proc. 4th Workshop on Computational Approaches to Subjectivity, Sentiment and Social Media Analysis. Association for Computational Linguistics, 2013, pp. 65–74.

[10] Huang Z., Zhao Z., Liu Q., Wang Z. An unsupervised method for short-text sentiment analysis based on analysis of massive data. Intelligent computation in big data era. Springer, 2015, pp. 169–176.

[11] He X., Zhang H., Chao W., Wang D. Semi-supervised learning on cross-lingual sentiment analysis with space transfer. Proc. IEEE First Int. Conf. on Big Data Computing Service and Applications, 2015, pp. 371–377.

[12] Wang A.H. Detecting spam bots in online social networking sites: a machine learning approach. Proc. 24th annual IFIP WG 11.3 working conf. on Data and applications security and privacy. Springer, 2010, pp. 335–342.