МОСКВА, 26 марта. /ТАСС/. Исследователи из России разработали алгоритм, позволяющий оптимальным образом подбирать рекомендации о дружбе или знакомстве, которые в социальных сетях используют для расширения списка контактов пользователей. Новая методика поможет снизить уровень напряженности среди участников онлайн-общения и позволит более эффективно привлекать людей к совместным проектам, сообщил Центр научной коммуникации МФТИ.
"Многие платформы рассматривают количество общих друзей как показатель социальной близости и выстраивают алгоритмы рекомендаций на этом принципе. Мы показали, что если цель состоит в том, чтобы снизить уровень разобщенности в сети, то следует поменять систему рекомендаций таким образом, чтобы не отдавать приоритет данной метрике", - пояснил доцент МФТИ (Долгопрудный) Иван Козицин, чьи слова приводит Центр научной коммуникации вуза.
Как отмечают Козицин и его коллеги, в последние годы многие исследователи и эксперты начали обращать все больше внимания на то, что соцсети часто способствуют росту поляризации мнений и разделению пользователей на обособленные и часто враждебные друг другу сообщества. Подобное усиление противоречий, существующих в реальном мире, часто связывается с особенностями работы алгоритмов для подбора нового контента и поиска потенциальных друзей.
Российские математики заинтересовались, как именно параметры работы этих алгоритмов, в том числе их тенденция опираться на уже известные интересы и связи между пользователями при подборе рекомендаций, влияют на структуру соцсетей. Для этого ученые проследили за тем, как разные типы алгоритмов влияют на уровень так называемой ассортативности социальных сетей - математический параметр, отражающий то, насколько часто узлы сети образуют связи с теми их соседями, которые каким-либо образом похожи на них.
Проведенные исследователями расчеты показали, что ассортативность социальных сетей будет быстро увеличиваться, если рекомендации новых контактов основаны на четырех и более общих друзьях, что будет вести к росту сегрегации и к образованию закрытых сообществ. Если же предложения по расширению связей внутри сети будут основаны на одном - трех совместных для двух пользователей знакомствах, то уровень ассортативности и сегрегации будет снижаться.
По словам исследователей, разработанные ими на базе этой идеи модели были протестированы на материале российского сервиса "ВКонтакте", а также с помощью искусственных социальных сетей. Во всех случаях были получены схожие позитивные результаты, что дает надежду на создание алгоритмов, которые будут подталкивать участников соцсетей к сотрудничеству и снижать уровень напряженности между ними, подытожили ученые.