Information
Registration Number
0826U000094, PhD dissertation
Status
Доктор філософії
Date
27-01-2026
popup.evolution
o
Title
Modeling user behavior in social networks using machine learning technologies.
Author
Iryna V. Mysiuk,
popup.head Roman Y. Shuvar
popup.opponent Nataliya I. Melnykova
popup.opponent Sergii M. Lysenko
popup.review Dmytro D. Peleshko
popup.review Vasyl Y. Liashkevych
Description
У дисертаційній роботі досліджено проблематику моделювання поведінки користувачів у соціальних мережах крізь призму сучасних технологій машинного навчання та стохастичного аналізу. Удосконалено процес дослідження цифрової поведінки, визначено особливості формалізації користувацької активності. З’ясовано роль часових, контекстуальних і структурних чинників у формуванні поведінкових патернів користувачів, а також специфіку впливу на процеси взаємодії, поширення інформації у мережевому середовищі. Продемонстровано ефективність застосування комбінованого методологічного підходу, що поєднує методи машинного навчання, стохастичного моделювання та аналізу великих даних, для виявлення закономірностей поведінки користувачів. Це реалізовано шляхом виконання основних завдань: проаналізовано стан опрацьованості проблематики моделювання поведінки користувачів у соціальних мережах; систематизовано існуючі підходи до аналізу соціальної активності та класифікації користувачів; досліджено математичні моделі та алгоритми машинного навчання для прогнозування поведінкових характеристик; визначено ключові параметри активності користувачів та формалізовано метрики ефективності контенту. У роботі обґрунтовано використання методу квазі-Монте-Карло для побудови поведінкових моделей, а також застосування SIR-моделі для оцінювання коефіцієнту залученості та вірусності інформації. Запропоновано інтегровану модель, яка дозволяє поєднати статистичні залежності, параметри контенту та характеристики мережевої структури з алгоритмами машинного навчання для підвищення точності прогнозування. Розроблено архітектуру інформаційно-аналітичної системи моделювання поведінки користувачів у соціальних мережах, що охоплює процеси збору, очищення, класифікації, аналізу та візуалізації даних, що включає оптимізацію гіперпараметрів моделей, валідації результатів та оцінки стабільності прогнозів. Отримані результати підтверджують ефективність розроблених моделей у задачах прогнозування вірусності контенту, сегментації аудиторії, виявлення трендів у соціальних мережах. Практичне значення одержаних результатів полягає у можливості їх застосування для створення систем аналітики соціальних медіа, оптимізації контентних і рекламних стратегій, персоналізації рекомендацій. Загалом дисертаційна робота спрямована на формування науково-обґрунтованих засад побудови адаптивних моделей поведінки користувачів у динамічному цифровому середовищі, що має як теоретичну, так і практичну значущість.
Registration Date
2026-01-12
popup.nrat_date
2026-01-12
search.subscribing
Updated: 2026-01-13
