Стохастична порогова модель поширення меметичних вірусів у соціальних медіа
DOI:
https://doi.org/10.35681/1560-9189.2026.28.2.363137Ключові слова:
ймовірнісна порогова модель, кібербезпека, інформаційна безпека, соціальні мережі, інформаційні впливи, бімодальний розподіл ступенів, каскадне поширенняАнотація
Запропоновано стохастичну модифікацію класичної лінійної порогової моделі, яка враховує випадковість кількості активних контактів і неоднорідність сили впливу окремих повідомлень. Це дозволило перейти від ресурсомістких імітаційних експериментів до строгого математичного опису процесів соціального зараження, формалізуючи когнітивні бар’єри користувачів і нелінійність каскадних взаємодій. Проведено порівняльний аналіз запропонованого підходу з класичними алгоритмами структурного ранжування. Якщо методи PageRank та HITS фіксують статичний стан топології графа через власні вектори матриць суміжності, то ймовірнісна порогова модель описує динаміку фазового переходу системи — від локального поширення до глобального інформаційного каскаду. Перехід від статичної топологічної центральності до динамічних стохастичних підходів відкриває нові можливості для моніторингу, нейтралізації інформаційних загроз у реальному часі та побудови міждисциплінарних моделей когнітивної стійкості суспільства. Запропонований інструментарій може застосовуватись у сфері інформаційної і кібернетичної безпеки, стратегічних комунікацій.
Посилання
Baspehlivan, U. (2024). Theorising the memescape: The spatial politics of internet memes. Review of International Studies, 50(1), pp. 35–57. DOI: https://doi.org/10.1017/S0260210523000049
Diengdoh, B.N.D. (2024). Memes and Social Media Affects. Visual Cultures in India: Contesting the Site of Sights, p. 179.
Liu, Y., Zhang, P., Shi, L. and Gong, J. (2023). A survey of information dissemination models, datasets, and insight. Mathematics, 11(17), p. 3707. DOI: https://doi.org/10.3390/math11173707
Granovetter, M. (1978). Threshold models of collective behavior. American Journal of Sociology, 83(6), pp. 1420–1443. DOI: https://doi.org/10.1086/226707
Gleich, D.F. (2015). PageRank beyond the web. SIAM Review, 57(3), pp. 321–363. DOI: https://doi.org/10.1137/140976649
Ding, J., Li, Z., Wu, X., Liu, R. and Hu, H. (2025). Information Dissemination Model Based on Social Networks Characteristics. Mathematics, 13(8), p. 1254. DOI: https://doi.org/10.3390/math13081254
Rogers, E.M., Singhal, A. and Quinlan, M.M. (2014). Diffusion of innovations. In An Integrated Approach to Communication Theory and Research (pp. 432–448).
Feller, W. (1991). An Introduction to Probability Theory and Its Applications, Volume 1, 3rd ed. New York: John Wiley & Sons. 528 p.
Johnson, N.L. and Leone, F.C. (1977). Statistics and Experimental Design in Engineering and Physical Sciences, Vol. 1, 2nd ed. New York: John Wiley & Sons. 510 p.
Kleinberg, J.M. (1999). Authoritative sources in a hyperlinked environment. Journal of the ACM, 46(5), pp. 604–632. DOI: https://doi.org/10.1145/324133.324140
