Исследование эффективности методов борьбы с альтернативным мнением в социальных сетях



В статье изучается эффективность различных методов воздействия на мнения агентов в социальных сетях путем построения имитационных моделей.

Ключевые слова : социальные сети, имитационный анализ, моделирование социальных сетей.

Введение

Сегодня все больше людей проводят свое время в социальных сетях и информацию об окружающем мире и новостях получают именно из социальных сетей, а на основе этой информации формируют свое мнение. Нередко общественное мнение формируется направленно, молодежь достаточно часто берет информацию исключительно из социальных сетей. Поэтому на данном этапе развития так важно рассмотреть, как именно можно влиять на это мнение.

В данной статье рассматривается эффективность различных методов воздействий на мнения агентов социальной сети. В большинстве исследований рассматривается либо моделирование социальных сетей, либо методы воздействия на мнения ее участников, однако данная проблема стоит достаточно остро и стоит совместить данные проблемы. Основной целью данной статьи является изучение эффективности методов воздействия на агентов социальной сети, а задачи состоят в выявлении данных методов, построении моделей имитирующих их и сравнительный анализ прихода к исследуемому мнению.

Основные понятия и обоснование выбора

Социальная сеть — это платформа, онлайн сервис или веб-сайт, предназначенные для построения, отражения и организации социальных взаимоотношений, визуализацией которых являются социальные графы [1]. Исходя из данного определения и будет строиться соответствующая имитационная модель.

Типы воздействий подобраны исходя из доступных в популярнейшей в России социальной сети «ВКонтакте». По данным Mediascope, соцсеть «ВКонтакте» входит в топ-10 самых популярных ресурсов в России, занимая четвертое место. Около 50 % аудитории рунета посещает «ВКонтакте» ежедневно, а за месяц охват достигает 78 % [2]. Всего аудитория включает 73 миллиона пользователей из России [3]. Таким образом, рассмотренные модели будут применимы к широкому кругу лиц.

Одним из классических представлений сетей являются графы, а они определяются матрицей влияния [4]. Матрица влияния — матрица характеризующая связь между агентами и степень их влияния друг на друга. Мнения агентов задаются числами. Элемент матрицы влияния отражает степень влияния j-ого агента на i-ого, или степень доверия i-ого j-ому [5]. В целях исследования возьмем малою социальную сеть с тремя группами и 27 простыми пользователями. Масштабы реальных социальных сетей куда больше, но, во-первых, редко когда исследователя интересует социальная сеть в целом, обычно есть некая целевая аудитория, а она может быть весьма малочисленной. Во-вторых, можно рассматривать каждого агента-пользователя в качестве некой группы людей: домохозяйства, рабочего коллектива и прочего. В-третьих, для выявления наиболее эффективного метода, нет необходимости исследовать сеть в целом, а можно работать с данными гораздо меньшей размерности. В-четвертых, слишком большое число агентов не позволяют детально изучить механизмы из-за слишком большого числа изменений.

Достаточно часто мнение агентов можно разделить на 2 группы, нередко одно из них не устраивает некий субъект. Поскольку информация в социальных сетях может быть неверной или подаваться в урезанном или искаженном виде или просто быть устаревшей, а пользователи весьма редко ее проверяют, то возникает необходимость борьбы с альтернативной информацией.

Обзор моделей

Таким образом были построены 5 различных моделей, которые показывают различные методики воздействия на мнения агентов или поведение сети без данного воздействия. Всего возможных воздействий три: блокировка агента, распространяющего информацию или его записи, информирование агента, убеждение агента. Разница между информированием и убеждением заключается в возможности в последующем сменить мнение. То есть если агента проинформировать, он может под влиянием мнения окружающих принять иную позицию, а вот если убедить, то его мнение больше не измениться.

Матрицу влияния зададим случайным образом, но первые 3 агента группы, поэтому они не будут подвергаться влиянию пользователей. Коэффициент доверия себе 0,5, и по 0,25 другим группам, то есть считаем данные группы равнозначными. Для остальных агентов элементы случайные числа, 500 из которых будут заменены нулями для устранения связей. После сама матрица будет нормирована. После будут созданы модели с вероятностью 30 % агент мнение менять не будет, в остальных случаях вычисляется вероятность принять то или иное мнение, в зависимости от мнений связанных с ним агентов, кроме того задана минимальная вероятность, что агент либо проверит информацию (в случаях публикации недостоверной), либо примет исследуемое мнение по некой внешней причине находящейся вне исследуемой области. Причем формирование мнений агентов на каждом шаге происходит не одновременно, а поэтапно. Первоначально все агенты неосведомлённые, кроме первой группы, она имеет альтернативное мнение.

Результаты моделирования

Для получения статистики были проведены имитационные эксперименты, однако результаты оказываются различны при одинаковой матрице влияния, поэтому для анализа будет взято два вида данных. Для каждого вида проведена 1000 экспериментов. Всего возможных моделей 6: без воздействия, с блокировкой агентов с альтернативным мнением, с информированием агента, с убеждением агента, комбинированная 1 (совместно информирование и блокировка), комбинированная 2 (совместно убеждение и блокировка).

Основные показатели полученных данных приведены в таблице 1. Можно заметить, что различия между данными, полученными по единой или изменяемой матрице, несущественны и для дальнейшего анализа можно использовать любой из наборов, что также говорит о случайном характере развития ситуации. Это позволяет использовать случайные матрицы, а не пытаться выявит реальную.

Таблица 1

Основные показатели данных

Показатель	При одной матрице			При разных
	среднее	СКО	медиана	среднее	СКО	медиана
Без вмешательства	129,536	114,9	96	133,16	131,9	87
С информированием	30,979	20,6	25	31,563	19,7	27
С убеждением	17,112	8,9	15	17,619	8,4	15,5
С блокировкой	82,254	94,5	44	83,745	93,6	46
Комбинированная 1	24,521	16,9	20	23,667	15,7	19
Комбинированная 2	11,839	3,7	11	11,606	3,5	11

Можно заметить, что худший результат дает модель без информирования, однаако стоит отметить, что модель с блокировкой также показала себя весьма плохо. В остальном лучший результат дают модели с убеждением, но это возможно только при наличии источника, которому агенты абсолютно доверяют. Ниже на Рис. 1 показаны гистограмы распределения шагов прихода к исследуемому мрению для различных моделей, стоит отметить, что масштаб существенно различается.

Рис. 1. Отдельные гистограммы шагов прихода к исследуемому мрению

По рисунку хорошо видно, что даже самое малоэффективное воздействие — блокировка, оказывает существенное влияние на максимальное время работы модели. Также следует отметить, что масштабы у всех гистограмм различны, что затрудняет совместный анализ. Кроме того заметно, что некоторые значения вероятнее всего являются выбросами. Но из гистограмм становится понятно, что модели имеют существенные различия по силе воздействия. Для анализа дальнейшего анализа построена диаграмма ящик с усами, ее можно видеть на Рис. 2.

Рис. 2. Ящик с усами шагов прихода к исследуемому мрению

Стоит отметить, что наибольшими выбросами характеризуется модель без влияния и модель блокировки, хотя добавление модели блокировки к модели убеждения существенно сокращает разброс. Это позволяет уменьшить вероятность того, что процесс будет идти слишком долго.

Заключение

Из всего вышеперечисленного стоит отметить, что модель блокировки сама по себе достаточно малоэффективна, однако ее добавление к моделям, предполагающих информирование агента, улучшает показатели. Таким образом, были построены имитационные модели социальных сетей. Изучены возможности применения в моделях социальных сетей управляющих воздействий. Данные модели охватывают задачи, возникающие при использовании социальных сетей.

Кроме того, построены модели помогут оптимизировать выбор управляющего воздействия, а дальнейшее исследование в данной области может помочь создать более совершенный механизм противодействия распространения какого-либо мнения. Поэтому данное исследование весьма актуально, поскольку государству и частным лицам стоит обратить свое внимание на проблемы неконтролируемости информации.

Литература:

1. Социальная сеть — это [Электронный ресурс] — Режим доступа: https://dic.academic.ru/dic.nsf/ruwiki/60759 (дата обращения: 11.05.2022)
2. Аудитория шести крупнейших соцсетей в России в 2020 году [Электронный ресурс] — Режим доступа: https://ppc.world/articles/auditoriya-shesti-krupneyshih-socsetey-v-rossii-v-2020-godu-izuchaem-insayty/ (дата обращения: 09.05.2022).
3. Динамика Vk.com [Электронный ресурс] — Режим доступа: https://webindex.mediascope.net/report/dynamic?byGeo=2&byDevice=3&byDevice=1&byDevice=2&byMonth=202109&id=16571 (дата обращения: 10.05.2022)
4. Горковенко, Д. К. Обзор моделей распространения информации в социальных сетях / Д. К. Горковенко. — Текст: непосредственный // Молодой ученый. — 2017. — № 8 (142). — С. 23–28. — URL: https://moluch.ru/archive/142/39946/ (дата обращения: 12.05.2022).
5. Губанов Д. А. Социальные сети: модели информационного влияния, управления и противоборства/ Под ред. гл.-корр. РАН Д. А. Новикова — М.: Издательство физико-математической литературы. — 2010. — 228 стр.