Вдосконалення моделі Курамото для моделювання поширення інформації в соціальних мережах

DOI: 10.31673/2412-4338.2024.048612

Анотація

У статті розглядається вдосконалення моделі Курамото для аналізу поширення інформації в соціальних мережах шляхом інтеграції нових параметрів та модифікацій. У статті розроблено кілька покращених версій моделі Курамото. По-перше, інтеграція принципів каскадної моделі дозволила врахувати ймовірність передачі інформації між користувачами. Це забезпечує точніше відображення реальних процесів та дозволяє прогнозувати вірусний характер контенту й пікові моменти його поширення. Застосування такого підходу є ефективним для оптимізації маркетингових кампаній. По-друге, адаптація моделі Курамото за допомогою епідемічної моделі забезпечила можливість моделювання динаміки інформаційного поширення з урахуванням переходу користувачів між різними станами. Це дало змогу моделювати повторні хвилі популярності і затухання інформації та планувати довгострокові інформаційні кампанії. Третє вдосконалення базується на моделі поширення чуток, яка враховує соціальні зв’язки та рівень довіри користувачів. Такий підхід дозволяє точніше прогнозувати інформаційні потоки, що є корисним для прогнозування вірусного контенту та боротьби з дезінформацією. Четверте вдосконалення полягає у врахуванні впливу ключових вузлів мережі через інтеграцію моделі впливових користувачів. Це дозволяє моделювати вплив лідерів думок, підвищуючи точність прогнозування поширення інформації. Проведені порівняльні дослідження між базовою та вдосконаленими моделями демонструють значну перевагу останніх у досягненні синхронізації між вузлами мережі, що особливо важливо для швидкого поширення інформації у великих мережах. Графіки, представлені у статті, наочно ілюструють ефективність модифікацій. Подальші дослідження пропонують розширення моделі Курамото з урахуванням соціальних та емоційних факторів, динамічних змін зв’язків і верифікацію результатів на реальних даних.. Таким чином, стаття пропонує новий погляд на моделювання соціальних процесів, доводячи універсальність та ефективність моделі Курамото для аналізу поширення інформації у складних мережах.

Ключові слова: модель Курамото, синхронізація, поширення інформації, каскадна модель, епідемічна модель, модель поширення чуток, модель впливових користувачів.

Список використаних джерел

1. Fujiwara N., Kurths J., Díaz-Guilera A. Synchronization in networks of mobile oscillators. Physical review E. 2011. Vol. 83, no.
2. URL: https://doi.org/10.1103/physreve.83.025101. 2. Acebron J., Bonilla L.,Perez Vicente C., Ritort F. and Spigler R. The Kuramoto model: a simple paradigm for synchronization phenomena Reviews of modern physics. 2005. Vol. 77, no. 1. P. 137–185. URL: https://doi.org/10.1103/revmodphys.77.137
3. Дмитрієнко, К. Адаптація моделі Курамото для аналізу розповсюдження інформації в соціальних мережах. Кібербезпека: освіта, наука, техніка 2023, 1, 309-314.. https://doi.org/10.28925/2663-4023.2023.21.309314
4. Strogatz, S. Nonlinear dynamics and chaos: With applications to physics, biology, chemistry, and engineering. CRC Press LLC, 2024
5. Chiba H., Medvedev G. S., Mizuhara M. S. Bifurcations in the Kuramoto model on graphs. Chaos: an interdisciplinary journal of nonlinear science. 2018. Vol. 28, no. 7. P. 073109. URL: https://doi.org/10.1063/1.5039609.
6. Yang, Y., Lu, Z., Li, V. O. K., & Xu, K. Noncooperative information diffusion in online social networks under the independent cascade model. IEEE Transactions on Computational Social Systems, 2017, 2017. Vol. 4, no. 3. P. 150–162. https://doi.org/10.1109/tcss.2017.2719056
7. Rodrigues, F. A., Peron, T. K. D., Ji, P., & Kurths, J. The Kuramoto model in complex networks. Physics Reports, 2017, Vol 610, P. 1–98. https://doi.org/10.1016/j.physrep.2015.10.008.
8. Phillips E. T. The synchronizing role of multiplexing noise: Exploring Kuramoto oscillators and breathing chimeras. Chaos: an interdisciplinary journal of nonlinear science. 2023. Vol. 33, no. 7. URL: https://doi.org/10.1063/5.0135528.
9. Ulichev O. S. Дослідження моделей розповсюдження інформації та інформаційних впливів в соціальних мережах. Системи управління, навігації та зв’язку. Збірник наукових праць. 2018. Т. 4, № 50. С. 147–151. URL: https://doi.org/10.26906/sunz.2018.4.147.
10. A contribution to the mathematical theory of epidemics. Proceedings of the royal society of london. series A, containing papers of a mathematical and physical character. 1927. Vol. 115, no. 772. P. 700–721. URL: https://doi.org/10.1098/rspa.1927.0118.
11. Zhu L. Synchronization dynamics in the Sakaguchi-Kuramoto oscillator network with frequency mismatch rules. Journal of applied mathematics and physics. 2020. Vol. 08, no. 02. P. 259– 269. URL: https://doi.org/10.4236/jamp.2020.82021.