Розмір шрифта:
ІННОВАЦІЙНИЙ ПІДХІД ДО ПРОГНОЗУВАННЯ ІНФОРМАЦІЙНОЇ ДИНАМІКИ В СОЦІАЛЬНИХ МЕРЕЖАХ НА ОСНОВІ ГІБРИДНИХ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ
Остання редакція: 2025-12-07
Анотація
Анотація Запропоновано інноваційний підхід до прогнозування інформаційної динаміки в соціальних мережах із використанням гібридних моделей машинного навчання. Запропоновано інтеграцію методів глибинного навчання та статистичних моделей, що дозволяє враховувати як історичні закономірності поширення інформації, так і поточні тренди в реальному час
Ключові слова
соціальні мережі; інформаційна динаміка; прогнозування; машинне навчання; гібридні моделі
Посилання
1. Bakenova K., Kuznetsov O., Artyshchuk I. та ін. Information Diffusion Modeling in Social Networks: A Comparative Analysis of Delay Mechanisms Using Population Dynamics. Applied Sciences, 2025. URL: https://www.mdpi.com/2076-3417/15/11/6092 2. Peters H., Bayer J., Matz S. та ін. Social media use is predictable from app sequences: Using LSTM and Transformer neural networks to model habitual behavior. Computers in Human Behavior, 2024. URL: maplab.stanford.edu/publications/social-media/social-media-use-predictable-app-sequences-using-lstmand-transformer 3. Shi J., et al. A time series prediction model using LSTM-Transformer fusion. Scientific Reports, 2024. URL: https://www.nature.com/articles/s41598-024-69418-z 4. Rezvanian A., et al. A new stochastic diffusion model for influence in social networks. Scientific Reports, 2023. URL: https://www.nature.com/articles/s41598-023-33010-8
Повний текст:
PDF