Методика и программное обеспечение для обработки данных ранжирования узлов социального графа для идентификации пользователей-экспертов

Социальные сети оказывают значительное влияние на мнение людей, а информация, полученная из них, может быть определяющей при решении задач антитеррористической направленности, политической аналитики, прогнозирования репутационных рисков компании или субъекта, оценки спроса на товар или услугу, а также мониторинга общественного мнения. В настоящее время нельзя определенно назвать единственный лучший метод поиска пользователей-экспертов. Данная работа направлена на создание методики, позволяющей обработать и интерпретировать данные ранжирования улов социального графа при помощи нескольких эффективных способов. Практическая часть работы связанна с разработкой соответствующей алгоритмической базы и программного обеспечения для идентификации пользователей-экспертов.

Оглавление ……………………………………………………………………………………. 10

Введение……………………………………………………………………………………….. 15

1 Анализ возможности применения методов машинного обучения к
задаче идентификации пользователей-экспертов социальной сети в заданной
предметной области …………………………………………………………………………………. 16

1.1 Обзор задачи идентификации пользователей-экспертов в
социальной сети …………………………………………………………………………………… 16

1.2 Обзор эффективных способов решения задачи KPP-POS
применительно к задаче идентификации пользователей-экспертов
социальной сети …………………………………………………………………………………… 18

1.2.1 Методика построения социального графа при решении
задачи идентификации пользователей-экспертов ………………………………. 19

1.2.2 Обзор выделенных способов решения задачи KPP-POS … 19

1.3 Обзор и анализ машинных методов обучения применительно к
задаче идентификации пользователей-экспертов социальной сети. ……….. 22

1.4 Цель работы и задачи ………………………………………………………… 25

2 Разработка методики обработки данных ранжирования узлов
социального графа для задачи идентификации пользователей-экспертов
социальной сети……………………………………………………………………………………….. 26

2.1 Исследование методов кластерного анализа применительно к
задаче идентификации пользователей-экспертов социальной сети ………… 26

2.1.1 Обзор некоторых существующих алгоритмов кластерного
анализа, не требующих явного задания количества кластеров ……………. 27

2.1.2 Сравнение рассмотренных алгоритмов кластерного
анализа, не требующих явного задания количества кластеров ……………. 37
2.2 Выбор показателей качества для оценки результатов
применения различных методов кластерного анализа……………………………. 38

2.2.1 Однородность, полнота, V-мера……………………………………. 38

2.2.2 Силуэт …………………………………………………………………………. 40

2.3 Исследование подходов к выбору наиболее эффективного
метода кластеризации в зависимости от исходных данных ……………………. 41

2.4 Выделение значимых параметров выборки данных ……………. 42

2.4.1 Использование классификаторов для поиска
закономерностей……………………………………………………………………………….. 42

2.4.2 Подбор подхода выбора наиболее эффективного метода
кластеризации в зависимости от исходных данных ……………………………. 45

2.4.3 Определение метрики качества обучения классификатора
для определения наиболее эффективного метода кластеризации в
зависимости от исходных данных ……………………………………………………… 47

2.5 Описание методики обработки данных ранжирования узлов
социального графа при идентификации пользователей-экспертов
социальной сети …………………………………………………………………………………… 51

3 Проектирование и разработка программного обеспечения для
обработки данных ранжирования узлов социального графа при
идентификации пользователей-экспертов социальной сети ………………………. 52

3.1 Проектирование программного обеспечения для обработки
данных ранжирования узлов социального графа при идентификации
пользователей-экспертов социальной сети ……………………………………………. 52

3.1.1 Описание используемых технологий ……………………………. 52

3.1.2 Выделение функциональных требований ……………………… 53

3.1.3 Определение вариантов использования программного
обеспечения 53
3.1.4 Описание архитектуры программного обеспечения ………. 55

3.1.5 Описание микроархитектуры программного обеспечения 58

3.2 Разработка программного обеспечения для обработки данных
ранжирования узлов социального графа при идентификации
пользователей-экспертов социальной сети ……………………………………………. 60

3.2.1 Описание реализации функций загрузки и обработки
данных показателей Боргатти, информационной энтропии, и
коммуникационной эффективности из документа формата XLSX ……… 60

3.2.2 Описание реализации функций кластеризации данных
определенными алгоритмами ……………………………………………………………. 61

3.2.3 Описание реализации функции автоматической
кластеризации …………………………………………………………………………………… 61

3.2.4 Описание реализации функций определения качества
кластеризации …………………………………………………………………………………… 62

3.2.5 Описание реализации функции визуализации……………….. 64

4 Результаты работы разработанного программного обеспечения для
обработки данных ранжирования узлов социального графа при
идентификации пользователей-экспертов социальной сети ………………………. 66

4.1 Общие результаты работы разработанного программного
обеспечения для обработки данных ранжирования узлов социального
графа при идентификации пользователей-экспертов социальной сети …… 66

4.2 Анализ качества обучения классификатора дерева решений
применяемого к определению наиболее эффективного метода
кластеризации в зависимости от исходных данных ……………………………….. 68

4.3 Анализ качества применения алгоритмов кластеризации
DBScan и Fast Affinity Propagation для решения задачи идентификации
пользователей-экспертов социальной сети ……………………………………………. 70
5 Финансовый менеджмент, ресурсоэффективность и
ресурсосбережение…………………………………………………………………………………… 72

5.1 Оценка коммерческого потенциала и перспективности
проведения научных исследований с позиции ресурсоэффективности …… 72

5.1.1 Потенциальные потребители результатов исследования .. 72

5.1.2 QuaD ……………………………………………………………………………. 73

5.1.3 SWOT-анализ ………………………………………………………………. 74

5.1.4 Оценка готовности проекта к коммерциализации …………. 77

5.1.5 Методы коммерциализации результатов научно-
технического исследования……………………………………………………………….. 79

5.2 Инициация проекта ……………………………………………………………. 79

5.2.1 Цели и результат проекта……………………………………………… 80

5.2.2 Организационная структура проекта …………………………….. 81

5.2.3 Ограничения и допущения проекта. ……………………………… 82

5.3 Планирование управления научно-техническим проектом …. 82

5.3.1 План проекта ……………………………………………………………….. 82

5.3.2 Бюджет научного исследования ……………………………………. 84

5.3.3 Реестр рисков проекта ………………………………………………….. 91

5.4 Заключение главы финансовый менеджмент,
ресурсоэффективность и ресурсосбережение ………………………………………… 92

6 Социальная ответственность……………………………………………………. 93

6.1 Производственная безопасность ………………………………………… 93

6.1.1 Анализ выявленных вредных факторов при разработке
программного продукта. ……………………………………………………………………. 94
6.1.2 Анализ выявленных опасных факторов при разработке
программного продукта …………………………………………………………………… 103

6.2 Экологическая безопасность ……………………………………………. 106

6.3 Безопасность в чрезвычайных ситуациях. ………………………… 109

6.3.1 Перечень возможных ЧС при разработке и эксплуатации
проектируемого решения ………………………………………………………………… 109

6.3.2 Разработка действий в результате возникшей ЧС и мер по
ликвидации её последствий. ……………………………………………………………. 110

6.4 Правовые и организационные вопросы обеспечения
безопасности ………………………………………………………………………………………. 112

6.5 Заключение главы социальная ответственность ……………….. 115

Заключение …………………………………………………………………………………. 116

Список публикаций……………………………………………………………………… 118

Список используемых источников……………………………………………….. 119

Приложение А …………………………………………………………………………….. 128

Приложение Б ……………………………………………………………………………… 131

Приложение В …………………………………………………………………………….. 132

Приложение Г ……………………………………………………………………………… 133

Приложение Д …………………………………………………………………………….. 134

Приложение Е……………………………………………………………………………… 135

Приложение Ж ……………………………………………………………………………. 136

Приложение З ……………………………………………………………………………… 138

Приложение И …………………………………………………………………………….. 139

Данная диссертационная работа посвящена решению задачи
идентификации пользователей-экспертов социальной сети в заданной
предметной области.
Была создана следующая методика, позволяющей обработать и
интерпретировать данные ранжирования узлов социального графа при
помощи нескольких эффективных способов для идентификации
пользователей-экспертов социальной сети:
1. Взять выборку данных, содержащую показатели Боргатти,
информационной энтропии, и коммуникационной эффективности
всех пользователей социальной сети, кто связан с заданной
предметной областью;
2. Выбирать первые 20 значимых узла взятой выборки данных и
передать их обученному классификатору;
3. Получить результат классификатора, передать полную выборку
данных подобранному классификатором алгоритму кластерного
анализа;
4. Получить результаты кластеризации, перевести их в доступную для
понимания человеком форму, выдать результат.
В качестве практической части работы было разработано программное
обеспечение для идентификации пользователей-экспертов в социальной сети.
Разработанное программное обеспечение соответствует всем предъявленным
ему требованиям, а именно:
 Наличие средств для загрузки данных;
 Возможность кластеризации данных алгоритмом DBScan;
 Возможность кластеризации данных алгоритмом Fast Affinity
Propagation;
 Возможность автоматической кластеризации данных,
организованной по выведенной методике;
 Наличие средств определения качества выполненной
кластеризации;
 Наличие средств визуализации результатов кластеризации.
Также был проведен анализ качества обучения классификатора дерева
решений, применяемого в функции автоматической кластеризации для
определения наиболее эффективного метода кластеризации в зависимости от
исходных данных. Анализ показал, что классификатор обучен приемлемо.
Еще был проведен анализ качества применения алгоритмов
кластеризации DBScan и Fast Affinity Propagation для решения задачи
идентификации пользователей-экспертов социальной сети. Анализ показал,
что применения алгоритмов DBScan и Fast Affinity Propagation для решения
задачи идентификации пользователей-экспертов социальной сети путем
автоматической кластеризации является верным решением, так как показатели
говорят о качественной кластеризации данных.
Список публикаций
1. Виноградова Д. А. Исследование применимости алгоритмов
кластеризации Affinity Propagation, Dbscan к решению задачи поиска
пользователей-экспертов в социальных сетях // Молодежь и
современные информационные технологии: сборник трудов XVI
Международной научно-практической конференции студентов,
аспирантов и молодых ученых (Томск, 3–7 декабря 2018 г.) / Томский
политехнический университет. – Томск: Изд-во ТПУ, 2019. – Сек.1 –
с.160-162