Аннотация. 

В статье описано исследование задачи по прогнозированию повышения активности акторов в программных продуктах, обладающих сетевым эффектом, с последующим распространением их действий за пределы данных программных продуктов на основе применения модифицированного метода прогнозирования. Активность в программных продуктах с сетевым эффектом рассматривается в контексте сложных нелинейных динамических систем. Для прогнозирования резкого увеличения активности акторов модифицирован существующий метод прогнозирования резких скачков временных рядов. Предложенный метод апробирован на основе анализа открытых данных о комментариях сообщества wallstreetbets социальной сети Reddit. Дополнительно использованы данные о стоимости акций GameStop Corp (GME) за 2020 год и первые 2 месяца 2021 года. Результаты апробации подтвердили работоспособность предложенного подхода при решении конкретных прикладных задач, в частности, связанных со скоростью реагирования на развитие “негативных” событий, общественно значимых тем и предотвращения правонарушений и социальных беспорядков.

Ключевые слова: 

программный продукт с сетевым эффектом, социальные сети, динамическая система, иерархичная структура, прогнозирование

DOI 10.14357/20718632250204

EDN CGMHSO

Стр. 38-50.

Литература

1. Интернет в России в 2022 – 2023 годах // Отраслевой доклад / Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации. URL: https://digital.gov.ru/ru/documents/9417/ (дата обращения 21.12.2024). 

2. Социальные сети в России: цифры и тренды, осень 2023 // brandanalytics.ru: система мониторинга и анализа социальных медиа и СМИ. URL: https://brandanalytics.ru/blog/social-media-russia-autumn-2023/ (дата обращения 21.12.2024).

3. Титов Н. Г., Чапурин Е. Ю., Москалева Е. А. и др. Методы мониторинга социальных сетей, их развитие и применение в контексте обеспечения их информационной безопасности //Информация и безопасность. – 2019. – Т. 22. – №. 3. – С. 305-324. 

4. Reddit comments dataset // clickhose.com: data warehouse for analytics. URL: https://clickhouse.com/docs/en/gettingstarted/example-datasets/reddit-comments (дата обращения 21.12.2024).

5. Семченков А. С. Дестабилизация социально-политической обстановки в современной России: особенности противодействия // Вестник Российской нации. – 2024. – № 4(97). – С. 71-85.

6. Коваленко А. И. Сетевой эффект как признак доминирующего положения цифровых платформ // Современная конкуренция. – 2020. – Т. 14, № 1(77). – С. 18-37. – DOI 10.37791/1993-7598-2020-14-1-18-37.

7. Радаев В.В. Социальные сети // Большая Российская энциклопедия. URL: https://bigenc.ru/c/sotsial-nye-seti-2c7a27 (дата обращения 21.12.2024).

8. Fedorov, A. M., Datyev I. O., Shchur A. L. Users Activity Time Series Features on Social Media // Advances in Intelligent Systems and Computing. – 2020. – Vol. 1294. – P. 430-441. – DOI 10.1007/978-3-030-63322-6_35.

9. Addai P., Mohd T. Kh. Enhancing Time Series Anomaly Detection: A Hybrid Model Fusion Approach // International Journal on Cybernetics and Informatics. – 2024. – Vol. 13, No. 2. – P. 135-147. – DOI 10.5121/ijci.2024.130210.

10. Dostov V. et al. Using an Economically Justified Trend for the Stationarity of Time Series in ARMA Models //International Conference on Computational Science and Its Applications. – Cham : Springer International Publishing, 2022. – P. 404-415.

11. Кузнецов И. В., Родкин М. В., Серебряков Д. В. Прогноз скачков тяжких преступлений на основе иерархичности режима преступности // Препринты ИПМ им. М.В. Келдыша. – 2005. – № 12. – С. 1-24. 

12. Шевнина Ю. С. Иерархическая модель нелинейной динамической системы // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2021. – № 8. – С. 135-139. – DOI 10.37882/2223-2966.2021.08.40.

13. Информационное пространство (легальная дефиниция) // Большая Российская энциклопедия. URL: https://bigenc.ru/c/informatsionnoe-prostranstvo-legal-naiadefinitsiia-cc6a93 (дата обращения 21.12.2024).

14. Беккерман Е. Н., Катаева С. С. Проверка соответствия отрезка потока событий интервалу стационарности МС-потока // Вестник Томского государственного университета. – 2004. – № S9-2. – С. 125-128. 

15. Canizo M. et al. Multi-head CNN–RNN for multi-time series anomaly detection: An industrial case study //Neurocomputing. – 2019. – Т. 363. – P. 246-260.

16. Оценка вовлеченности для различных действий в социальных сетях // интернет-опрос. URL: https://forms.gle/zFgckuxW7Aie2qFU6 (дата обращения 21.12.2024).

17. Hill Ch., Johnson M., Du L., Mccullough B. D. Comparing programming languages for data analytics: Accuracy of estimation in Python and R // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. – 2024. – Vol. 14, No. 3. – DOI 10.1002/widm.1531.

18. Cronbach, L. J. Coefficient alpha and the internal structure of tests // Psychometrika. – 1951. – Vol. 16, No. 3. – P. 297-334. – DOI 10.1007/bf02310555.

19. Schou P. K. et al. We did start the fire: R/Wallstreetbets, ‘flash movements’ and the Gamestop short-squeeze //Academy of Management Proceedings. – Briarcliff Manor, NY 10510 : Academy of Management, 2022. – Т. 2022. – №. 1. – P. 14028.

20. GameStop Stock Data (All Time) // kaggle.com: AI & ML community. URL: https://www.kaggle.com/datasets/dhruvshan/gamestop-stock-data-all-time (дата обращения 21.12.2024) 

21. Dickey D. A., Fuller W. A. Distribution of the estimators for autoregressive time series with a unit root //Journal of the American statistical association. – 1979. – Т. 74. – №. 366a. – P. 427-431.

22. Mcnulty, R. A logical analysis of null hypothesis significance testing using popular terminology // BMC Medical Research Methodology. – 2022. – Vol. 22, No. 1. – P. 1-9. – DOI 10.1186/s12874-022-01696-5.

23. Родкин М. В. Модель развития синергетического эффекта при сильных катастрофах // Геоэкология. Инженерная геология, гидрогеология, геокриология. – 2005. – № 1. – С. 81-87.

24. Edelmann D., Móri T. F., Székely G. J., On relationships between the Pearson and the distance correlation coefficients // Statistics & Probability Letters. – 2021. – Vol. 169. – P. 108960. – DOI 10.1016/j.spl.2020.108960.