CC BY
79
УДК 004.77
А. Ю. Орлов, А. В. Иващенко, С. А. Прохоров
ПОДДЕРЖКА ВИРТУАЛЬНЫХ СООБЩЕСТВ В СЕТИ ИНТЕРНЕТ НА ОСНОВЕ АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПОЛЬЗОВАТЕЛЕЙ
Представлен возможный подход к формализованному описанию виртуального сообщества сети Интернет и базирующиеся на нем алгоритмы поддержки существования виртуального сообщества на основе анализа деятельности пользователей.
Введение
Изучение виртуальных сообществ сети Интернет является достаточно сложной задачей [1], для решения которой необходимо взаимодействие представителей различных областей науки и техники: социологов, психологов, инженеров. В частности, весьма актуальным представляется исследование вопросов информационно-технической поддержки виртуальных сообществ, формализованное описание их поведения и разработки методов их организации и управления. Под управлением мы понимаем действия, направленные на расширение сообщества или на его разрушение, или на изменение его направленности. Управление виртуальными сообществами может быть интересно, например, различным рекламодателям, ведь блогосфера сейчас является очень заманчивым и прибыльным местом [2].
1 Определение виртуального сообщества
Ограничим область исследования всемирной паутиной, оставив без рассмотрения иные способы общения пользователей Интернет [3]. В этом случае объектом исследования будет пользователь, человек, возможно, имеющий один или несколько профилей в разнообразных социальных сетях, с учетом того, что каждая сеть не может изучаться независимо, а только в контексте других существующих сетей [4]. Соответственно, каждого пользователя следует рассматривать только в контексте всей деятельности, которую он производит в режиме online. В качестве информационной единицы или информационного объекта мы выберем страницу всемирной паутины, доступ к которой осуществляется путем открытия ее в окне браузера пользователя. Такая страница получается посылкой GET запроса на сервер и может быть однозначно идентифицирована URL’ом.
Дадим определение виртуальному сообществу в сети Интернет с точки зрения инфокоммуникационных технологий: будем понимать под виртуальным сообществом совокупность пользователей сети Интернет, у которых интересы в течение некоторого времени близки, т.е. они получают доступ к одинаковым или семантически связанным информационным объектам. Далее мы будем рассматривать случай одинаковых информационных объектов, но большинство полученных выводов применимо также и к семантически связанным объектам.
Особенно стоит отметить, что пользователи, входящие в определенное нами виртуальное сообщество, вовсе не обязательно должны идентифицировать себя членами сообщества и осознавать факт его наличия.
В соответствии с различным проявлением интереса можно выделить два типа виртуальных сообществ:
- аудитория - совокупность пассивных читателей, которые в течение некоторого периода времени осуществляют неоднократный вход на сайт;
- содружество - совокупность активных пользователей, которые самостоятельно создают и добавляют новые информационные объекты.
Стоит отметить, что в чистом виде ни одна из категорий в реальной жизни не встречается, а такая идеализация используется для определения разных методов воздействия на виртуальные сообщества.
2 Анализ интереса пользователей
Рассмотрим более подробно стабильные во времени сообщества. Сформулируем еще одно определение: виртуальное сообщество будем называть стабильным во времени, если на интервале времени А? выполняется аналогия статистического принципа Парето, 20 % от общего количества просмотренных всеми участниками сообщества иЯЬ, посетило 80 % входящих в состав сообщества пользователей.
Действительно, у подпадающих под данное определение сообществ можно наблюдать высокую общую заинтересованность просматриваемыми страницами. Исходя из предположения, что состав сообщества меняется монотонно, взяв в качестве отправной точки время средины интервала А? и рассмотрев последующие А?, можно утверждать, что само сообщество на следующем интервале не разрушится.
Рассмотрим другой тип сообщества, активно реагирующий на появляющуюся информацию. Будем считать временем появления ИКЬ’а в сообществе самый ранний момент времени, когда кто-то из членов сообщества посетил этот иКЬ. Будем также рассматривать жизненный цикл иКЬ’а только на протяжении времени А?1.
Как показывают исследования, обычно интерес к странице-статье сначала медленно растет, достигает некоторого максимума, а потом медленно падает. Таким образом, оправданно рассматривать только начало этого цикла. При этом время, в течение которого будет достигаться максимум посещений в рамках сообщества, будет говорить нам об активности его пользователей.
Отталкиваясь от момента времени ?, рассмотрим активность по всем страницам, возникшим в сообществе на интервале времени (-2 А?, -А?). Жизненные циклы таких страниц уже завершились (прошло не менее А? с момента их возникновения). Итак, если 20 % от всех страниц, посещенных двумя и более пользователями сообщества на этапе учета жизненного цикла страниц, были посещены 80 % пользователей сообщества, мы будем называть такое сообщество активным.
Стоит заметить, что одно и то же виртуальное сообщество может одновременно быть и активным, и стабильным.
Рассмотрим противоположный подход, который, отталкиваясь от рассмотрения попарных отношений между пользователями, позволяет выделить из них группу (двигаясь снизу вверх). Для этого мы введем количественные характеристики активности пользователей сети Интернет. В качестве исследуемого набора действий выберем следующие:
- посещение информационного объекта (регулярное или разовое) - У1ем> (V);
- голосование (за или против, либо оценка по некоторой шкале) - Яме (Я);
- обсуждение пользователями информационного объекта - Action (A);
- тегирование - Tagging (T).
Будем называть модель деятельности пользователей, основанную на голосовании, обсуждении и тегировании, RAT, а полную модель - VRAT. Далее мы не будем рассматривать отдельно операцию тегирования применительно к механизмам идентификации виртуального сообщества, это является следующим шагом в расширении изложенного ниже подхода.
Приведенные действия отражают внутренний интерес пользователя, который меняется со временем. В ходе своей активности пользователь может иметь несколько параллельных интересов. Судить о внутреннем интересе можно по последовательности операций, которые совершает пользователь.
Представим множество всех пользователей:
U = {щ, i = 1^}. (1)
Представим множество информационных объектов в виде
S ={sj, j = 1M} . (2)
Стоит отметить, что возможно проведение анализа не на уровне информационных объектов, а на более общем уровне, принимая за информационную единицу, например, домен со всеми принадлежащими ему иКЬ’ами. То есть для анализа можно использовать иерархическую структуру самого универсального идентификатора.
Зададим операции, совершаемые пользователем, в виде множеств. Для этого определим интервал времени:
^ = (ti, t2). (3)
Введем количественные параметры. Количество посещений пользователем ui сайта sj выразим следующим образом:
V(ui, sj,Т) = vi,j . (4)
Аналогично, для операции оценки:
R (ui, sj, т) = ri, j, (5)
где ri,j равно 0 если сайт не оценивался и значению оценки в противном случае.
Для операции комментирования:
A (, Sj, т) = af, j, (6)
где aitj выражает количество комментариев пользователя, проассоциирован-ных с данным сайтом.
Далее в формулах мы будем применять нотацию Айверсона [5]: логическое утверждение заключается в квадратные скобки, считается при этом, что результат равен 1, если данное утверждение истинно, и 0, если данное утверждение ложно.
Для аудитории критерий близости по сайтам, которые пользователи посещают, можно определить следующим образом:
M
^ауд (ui,u j,т)= Z (k + vjk \vi,kvjk > 0] . (7)
k = 1
Для содружества критерий близости, который позволяет объединять пользователей в содружество, определим следующим образом:
M
^одр ((,u j,т) = kv Z (k + vjk \vi,kvjk > 0] + k = 1
M
+ka Z (k + ajk ) [aikaj,k > 0], kv + ka = 1, ka > kv, (8)
k = 1
где kv и ka являются весами, оценивающими вклад просмотров и активной реакции на страницу.
Используя критерии близости, можно выделить пользователей, входящих в виртуальное сообщество. Это будут все максимальные множества, пользователи в которых удовлетворяют следующему условию:
Ущ,Uj Зтс1 WTHn(ui,Uj,At) > Wo, (9)
где WXHH - это Wсодр или Wауд; W0 - пороговое значение, которое определяется степенью популярности сообщества и принимает разные значения на разных стадиях его жизненного цикла, при идентификации содружества или аудитории принимаются разные значения пороговых значений; I - интервал дискретизации, на котором изучается поведение сообщества, например 1 день.
Выделение виртуального сообщества по последнему из приведенных критериев на самом деле сводится к задаче выделения всех клик на графе связей пользователей, где ребро проводится при превышении парной характеристикой близости W(Uj, Uj,x) некоторого порогового значения.
Докажем, что рассмотрение парных оценок близости позволяет выделить виртуальные сообщества. В самом деле, если между любыми двумя пользователями в сообществе парная близость превышает некоторый пороговый уровень, то это означает, что они посетили в заданный интервал времени одинаковые сайты. При низком пороговом критерии это не означает, что все пользователи разделяют общий интерес. Но при повышении порогового значения круг общих интересов сужается, и появляются ресурсы, которые должны были посетить все рассматриваемые пользователи. И наоборот, если выделенная группа пользователей обладает общим интересом, то это означает высокое значение попарной функции связности.
Рассмотрим изменение концентрации пользовательского интереса к странице, появившейся в системе. Ее можно представить следующим образом:
k(t) = a^Zje~a(t~tl) + bne~$(t~h), (10)
i=1
где a - вклад компоненты, отвечающей за просмотр страниц; R - количество пользователей, просматривающих страницу в момент вычисления концентрации; а - коэффициент учета «устаревания» информации о навигации пользователя на страницу; ti - время, когда пользователь открыл эту страницу; b - вклад компоненты активности на странице; ß - коэффициент учета «устаревания» информации об активности пользователя на странице; n - общее число всех совершенных RAT действий над страницей; ti - время последней операции RAT.
Концентрация вычисляется независимо для каждой из страниц в момент времени t. Первый ее компонент отражает факт просмотра страницы несколькими пользователями в момент вычисления концентрации, второй компонент описывает изменение концентрации при совершении над страницей RAT действий. Практически полезным может быть не только мгновенное значение концентрации, но и скорость ее изменения.
3 Общие закономерности поведения виртуальных сообществ
Исходя из введенного нами определения виртуального сообщества, мы можем сформулировать основную теорему: пользователи U и U2 принадлежат одному виртуальному сообществу C1, тогда и только тогда, когда после захода пользователя U на страницу URL1 с условной вероятностью p в течение интервала времени At на эту же страницу зайдет пользователь U2. Отметим, что вероятность p выше, чем вероятность навигации пользователя U2 на другую произвольную страницу.
Докажем достаточность. Исходя из нашего определения виртуальных сообществ у любых двух входящих в него пользователей в течение интервала времени, которое можно принять за At, должны совпадать интересы, т.е. они должны посещать одни и те же страницы. Рассмотрим все страницы, которые посетил пользователь U за период времени At. Так как оба пользователя принадлежат сообществу, то найдется такой URL, который они посетили оба в течение заданного интервала времени. Соответственно, можно утверждать, что в зависимости от взаимной связности пользователей сообщества, определяемой отличной от нуля вероятностью p1, после перехода по URL^ первого пользователя, с отличной от нуля вероятностью p2, за ним последует второй.
Необходимость обусловлена следующим образом. Рассмотрим процесс навигации пользователя U1 по страницам Интернет. Если в течение интервала времени At пользователь U2 тоже зайдет на этот URL, то, в соответствии с нашим определением, можно утверждать, что у рассматриваемых пользователей совпал интерес. При этом, ограничившись рассмотрением одной конкретной страницы, мы можем говорить только о краткосрочном интересе. Если же ситуация возникновения общего интереса экстраполируется на последовательность страниц, то можно говорить о более стабильном, долгосрочном общем интересе.
Следствием из этой теоремы является утверждение: если реализовать сервис рекомендации ссылок пользователю, то велика вероятность, что пользователь выберет именно ту ссылку, по которой уже прошел кто-то из членов сообщества. Причем тем больше членов сообщества пройдет по ней, тем выше будет вероятность выбора именно этой ссылки.
Рассмотренные нами подходы к выделению виртуальных сообществ позволяют сформулировать гипотезу: если набор пользователей обладает общими интересами на интервале времени At (т.е. входят в виртуальное сообщество), то велика вероятность того, что после навигации на некоторую страницу двух членов сообщества за ними последуют остальные. В самом деле, подобное поведение характерно для стабильных и активных сообществ (в соответствии с введенными нами определениями). Для прочих сообществ такое событие неизбежно возникает из-за необходимости наличия общего интереса, требуемого в определении сообщества.
4 Алгоритмы идентификации сообществ
Рассмотрим алгоритмы, руководствуясь которыми можно выделять виртуальные сообщества в соответствии с введенными выше определениями и критериями.
Самым простым (и самым трудозатратным) является переборный алгоритм. Он заключается в последовательном рассмотрении всех выборок СМ пользователей и тестировании полученной выборки. Перебор следует начинать с больших значений М и постепенно их уменьшать. Попутно следует проверять, не входит ли найденное на очередном шаге виртуальное сообщество в список найденных ранее в качестве подмножества.
Также можно рассмотреть алгоритм, имеющий аналоги среди генетических. Алгоритм позволяет выделять активные виртуальные сообщества. Для этого последовательно просматриваем появляющиеся в системе страницы, идентифицируемые своими иКЬ. Допустим, на интервале времени Дґ ссылку просмотрело некоторое множество пользователей. Их уже можно объединить в виртуальное сообщество на основании нашего определения. Однако нас интересует не такой краткосрочный интерес, а более стабильные структуры.
Рассмотрим иКЬ, появившийся в системе следующим в хронологическом порядке. Если его посетило более двух пользователей, то рассмотрим процесс навигации живого организма-сообщества с одной страницы на другую. Если все выделенные нами пользователи на первом шаге посетили и вторую страницу, то состав сообщества не меняется. Если же появились новые пользователи, то их нужно включить в сообщество, снабдив некоторой пометкой, что они, возможно, были включены по ошибке.
Если на протяжении нескольких навигаций организма-сообщества добавленные со специальной пометкой пользователи будут продолжать входить в состав сообщества (например, на протяжении трех навигаций из шести), то их следует включить в состав сообщества безусловно.
Если же какой-то из пользователей на очередном шаге «откололся» и более не навигирует с остальными, то его следует пометить как кандидата на выбывание. Если на протяжении нескольких последовательных навигаций организма-сообщества он не числится в списке посетителей страницы, то его следует исключить из состава сообщества.
Также весьма перспективным представляется решение задачи идентификации виртуальных сообществ с использованием методов кластеризации и классификации.
5 Алгоритмы управления виртуальными сообществами
Перечислим несколько алгоритмов управления пользователями в аспекте виртуальных сообществ. Все эти алгоритмы реализуемы в онлайн-браузере [6]. Фактически онлайн-браузер является кроссплатформенным Интернет-приложением, являющимся «браузером внутри браузера». Одним из таких онлайн-браузеров является система Browzmi [7], которая предлагается и для организации и управления виртуальными сообществами сети Интернет.
Система Browzmi (рис. 1) позволяет пользователям сети просматривать различные сайты: для этого есть своя адресная строка и кнопки управления навигацией, а также панель поиска. Слева сгруппированы персональные для пользователя виджеты (информационные блоки) под общим названием Му
Stuff. Расположенные справа виджеты сгруппированы под общим названием More Stuff: они так или иначе связаны с просматриваемой страницей (комментарии о текущей странице, фотографии по тематике просматриваемой страницы и т.п.).
t) The New York Times - Breaking Hews, World News ft Wuttimedia - Browzmi Beta - Mozilta Firefox 3 Beta 4 -
File Edit View History Bookmarks Tools Help
С X IE http://www.bnowzmi.com/ ■ft -| wj Wikipedia (English) 41
\ The New York Times - Breaking _
brOWZnni nHH 8 http://www.nytimes.com/ Hi EL gle О * Hi^ rtem Orlov
^Favorite ^Comment Rate: 3 0
j Artem Orlov
» ЛЛЯММВЯ
.The В
№
Travis Parsons
Travis Parsons
“Т™°Т“
IT POPULAR TIMES TOPICS
SI) c JieUr jlork Strncs
Monday, March 31,
NYT Archive Since 19S1
Tall»«
N.Y./REGION
BUSINESS
TECHNOLOGY
OPINION"
Cleric Suspends Battle in Basra by Shiite Militia By ERICA GOODE and JAMES The Shiite cleric Moktada al-Sadr on Sunday called for his followers to stop Л 1 -
■ _ il ,
fighting in Basra and in turn demanded concessions from Iraq's government.
Anrard-s. Ort land-'&ut hris Theater French Architect Wins Pritzker Prize By ROBIN POGREBIN Jean Xouvel, known for diverse but distinctive projects, has won architecture’s top honor. Above, the exterior of the Guthrie Theater in Minneapolis, Minnesota. ■ ta Slide Show | Hi Audio Slide Show: Twin City Stages . Profile From T Style Magazine | Times Topics
McCain Faces Test in Wooing Elite Donors By MICHAEL LUO and GRIFF PALMER Senator John McCain has so far managed to enlist or.! a fraction of the heavyweight fund-raisers who helped
Tracking a Marine Lost at Home By DAMIEN CAVE
S
The Singing Presidents Leonard щ Bernsteins I i tJY TIMES SQUARE 1 BLAST-(BBC NEWS: ««.IfT.Si.
1 Pennsylvania A getting a second A Theater's Fa r _ The Angry News-Ш(4 h-Ii:m 1: hi« ив,-, oil
architect Sergei Gnedovsky ■ has designed ^ Bill O'Reilly Slams New ■flHli Yo rl: Ti m es to r Pri iTtin g t! ДН Untruths!
theater in Moscc
We s ...u„ t >
Рис. 1 Онлайн-браузер Browzmi
Рекомендация ссылок реализуется предложением ссылок в специальном виджете или с помощью системного пользователя, которого по умолчанию видит каждый пользователь системы. Системный пользователь должен посетить нужную нам страницу и/или проголосовать за нее и/или добавить ее в список своих избранных.
Алгоритм поддержания краткосрочного интереса. Для увеличения средней продолжительности активных сессий пользователей, что является важным показателем для рекламодателей и инвесторов, следует поддерживать кратковременный интерес пользователей в рамках всей системы или отдельно взятого сообщества. То есть при достижении суммарной постраничной концентрации пользовательского интереса, вычисляемой по формуле (10), некоторого порогового значения следует «вбросить» на суд общественности новую, потенциально интересную ссылку, используя рассмотренный выше механизм рекомендаций.
Конечно же, если данное время суток - статистическая «ночь» для системы, то никаких действий предпринимать не стоит. Нужно особо отметить, что многие пользователи системы не закрывают браузер и не выходят из него даже ночью, чтобы не пропустить важную информацию, поэтому основываться только на количестве пользователей, находящихся в системе, нельзя. Для расчета периода времени, в который система «спит», нужно учитывать суммарную концентрацию потока УЯАТ. С развитием системы, увеличением числа и географии пользователей период «сна» будет уменьшаться и, скорее всего, выро-
дится в несколько минимумов в течение суток. Сейчас же наблюдается четкий минимум, приходящийся на 11 часов дня Московского времени.
Поиск новых страниц для осуществления этого алгоритма эффективнее всего делать вручную, подготавливая некоторый список для бесперебойной работы алгоритма, например, в течение суток. Менее эффективным, но более перспективным способом может быть автоматический поиск новой информации поисковым роботом. При этом эффективность выбора страниц можно повысить путем подключения системы понимания текста для фильтрации интересных статей и новостей. На первом этапе алгоритм фильтрации можно привязать к нескольким изначально известным сайтам и основывать на внутреннем рейтинге, полученном статьей или новостью на своем сайте.
Алгоритм достраивания сообщества. Существуют пользователи, которые «почти» входят в состав виртуального сообщества: находятся на границе отсечения критериями идентификации сообществ и, к сожалению, отсекаются. Таким пользователям можно рекомендовать ссылки, курсирующие в сообществе сообщества. Если пользователь проявит к ним интерес, то его можно будет считать полноправным членом сообщества, т.к. он удовлетворит критериям вхождения в него.
Алгоритм улучшения характеристик сообщества. Рекомендуя ссылки, интересные изначально только для части членов сообщества, всем остальным, можно влиять на характеристики сообщества. Так, рассматривая активное сообщество, рекомендуя новую ссылку членам сообщества в начале жизненного цикла ссылки, можно уменьшить основную характеристику сообщества Дг, время, в течение которого большая часть сообщества на новую ссылку прореагирует. Аналогично, рассматривая стабильное сообщество или близкое к таковому, можно улучшать соотношение 20/80, повышая второе число.
Алгоритм материализации сообщества. Как мы уже замечали выше, пользователи, которых мы включили в состав виртуального сообщества, могут не осознавать как факт существования сообщества, так и факт своего вхождения в него. В системе намеренно не вводится явная идентификация виртуальных сообществ, нет способов создать именованную группу людей и войти в нее. Однако присутствует и широко эксплуатируется отношение «дружбы» между пользователями, являющееся одновременно аналогией и «знакомства», и «дружбы» в реальном мире. Это отношение двунаправленное. Являясь другом, каждый получает возможность всегда и явно видеть страницы, по которым на-вигирует друг, и действия, которые он там совершает (в соответствии с моделью УЯАТ). Особенностью реализации является также то, что латентность оповещений о действиях друзей гораздо ниже, чем латентность любых других оповещений. С помощью сервиса рекомендаций следует предлагать пользователям, которых мы идентифицировали совместно входящими в одно или несколько виртуальных сообществ, и которые не являются друзьями в системе, становиться ими.
Алгоритм фильтрации состава сообщества. В системе существуют пользователи, действия которых могут быть негативными для сообщества в целом. Примером такого поведения может быть активный вброс в систему ссылок порнографической направленности или разжигание межнациональной розни путем добавления статей и комментариев соответствующей направленности. Обнаружить подобных пользователей позволяет следующая эвристика: большую часть ссылок, которые появились в системе по инициативе этого
пользователя (он первым произвел ЛЛТ’-активность по данной ссылке), никто не добавил себе в список избранных. Вместо этого ссылки от данного пользователя получали негативную оценку другими пользователями. Так как полное блокирование пользователя, без возможности пользоваться системой, является негуманным и неприемлемым, можно скрывать действия такого пользователя от всех, не являющихся его друзьями.
Алгоритм переориентирования сообщества. Следует сразу же отметить, что на данном этапе развития технологии реализовать его может только эксперт-психолог, авторами лишь предлагаются механизмы реализации в виде системы мониторинга и поддержки виртуальных сообществ.
Переориентировать интерес сообщества можно, действуя следующим образом: добавлять к основному и стабильному интересу сообщества новый желаемый и смотреть на реакцию сообщества. Например, предлагая на суд сообщества новости о поддержке спорта политическими деятелями, можно заставить сообщество любителей спорта интересоваться политикой, или, вкидывая в сообщество противоречивые статьи, можно разрушить экстремистское сообщество.
Заключение
Полученные на данный момент экспериментальные данные позволяют говорить о справедливости рассмотренных алгоритмов идентификации и управления виртуальными сообществами сети Интернет. В настоящее время происходит увеличение количества пользователей онлайн-браузера Browzmi, что приведет к уточнению предлагаемых моделей и более ясному пониманию механизмов управления развитием социальных сетей.
Список литература
1. Бондаренко, С. В. Социальная структура виртуальных сетевых сообществ : автореф. дис. ... докт. соц. наук / С. В. Бондаренко. - Ростов-на-Дону, 2004.
2. Kivijarv, L Podcast Advertising Gaining on Blogs [Электорнный ресурс] / Leo Kivijarv. - Режим доступа: http://www.imediaconnection.com/content/9146.asp
3. [Электорнный ресурс]. - Режим доступа: http://en.wikipedia.org/wiki/Internet
4. Cai, D. Mining hidden community in heterogeneous social networks / D. Cai, Z. Shao, X. He, X. Yan and J. Han // Proceedings of the 3rd International Workshop on Link Discovery. - Chicago : ACM Press, 2005. - Р. 58-65.
5. Грехем, Р. Конкретная математика. Основание информатики / Р. Грехем, Д. Кнут, О. Паташник ; пер. с англ. - М. : Мир, 1998. - 703 c.
6. Иващенко, А. В. Управление виртуальным сообществом сети Интернет на основе анализа концентрации пользовательского интереса / А. В. Иващенко, А. Ю. Орлов // Современные проблемы информатизации в экономике и обеспечении безопасности. - Вып. 13. - Воронеж : Научная книга, 2008. - С. 47-50.
7. Онлайн-браузер Browzmi // www.browzmi.com
