Преобразование сетевых данных в сложные сети: проблемы и перспективы (А.И. Труфанов, М.В. Куклина, В.Н. Богданов, А.М. Машкова, журнал "Вестник Алтайской академии экономики и права", N 2 (часть 1), февраль 2022 г.)

Труфанов А.И., Куклина М.В., Богданов В.Н., Махакова А.М. Преобразование сетевых данных в сложные сети: проблемы и перспективы

А.И. Труфанов - Иркутский Национальный исследовательский технический университет, Иркутск

М.В. Куклина - Иркутский Национальный исследовательский технический университет, Иркутск

В.Н. Богданов - Институт географии им. В.Б. Сочавы, Иркутск

А.М. Машкова - Институт географии им. В.Б. Сочавы, Иркутск

В статье представлены несколько способов преобразования различных практик в сложные сети, затрагивая теорию графов. Цель исследования заключается в том, чтобы оказать пользу использования сетевого подхода для изучения системы, в том числе для управления территориями. Сетевая наука привлекает учёных своим широким применением в различных видах деятельности: в экономике, в управлении. В статье показывается интерпретация некоторых объектов, процессов, данных с их внутренней природой в сети. Наоборот, для данных, которые весьма затруднительно интерпретировать в сложные сети (NUD), т. е. пространственных и временных, в силу их разнообразия, и многие учёные сталкиваются с проблемой подбора алгоритма преобразования. В процессе исследования был использован трехступенчатый алгоритм сетевизации. Мы выделили основные свойства данных в соответствии с их масштабными различиями - по расстоянию, времени и характеру и предложили трехэтапный алгоритм (основанный на масштабе метод) для сохранения реальных характеристиках практики в интерпретации сложной сети. Мы опробовали эту методику на ландшафте и картах землепользования, представляющих РФ вблизи озера Байкал, Ольхонский район, Иркутская область. Это позволило выявить, что генерализация карт привносит некоторые детали и измененные сетевых отпечатков, но не приводит к существенной трансформации топологии сети. Также рассмотрено как вид дополненной индексации больших данных с использованием сетевых показателей обеспечивает высокую производительность поиска в заданном домене. Основной вывод в статье: важно учитывать природу и особенности сети в отличие от данных, рассматривая их как сети.

Ключевые слова: сетевая наука, интерпретация в сети, преобразование в сложные сети.

Trufanov A.I., Kuklina M.V., Bogdanov V.N., Makhakova A.M. Transformation of network data into complex networks: problems and prospects

A.I. Trufanov - Irkutsk National Research Technical University, Irkutsk

M.V. Kuklina - Irkutsk National Research Technical University, Irkutsk

V.N. Bogdanov - Institute of Geography named after V.B. Sochavy, Irkutsk

A.M. Makhakova - Institute of Geography named after V.B. Sochavy, Irkutsk

The article presents several ways to transform various practices into complex networks, affecting graph theory. The purpose of the study is to provide the benefit of using a network approach to study the system. Network science attracts scientists with its wide application in various types of activities. The article shows the interpretation of some objects, processes, data with their internal nature in the network. On the contrary, for data that is very difficult to interpret in complex networks (NUD), i.e. spatial and temporal, due to their diversity, and many scientists are faced with the problem of selecting a conversion algorithm. In the course of the study, a three-stage algorithm of network optimization was used. We have identified the main properties of the data in accordance with their scale differences - in distance, time and nature, and proposed a three-stage algorithm (scale-based method) to preserve the real characteristics of the practice in the interpretation of a complex network. We tested this technique on the landscape and land use maps representing the Russian Federation near Lake Baikal, Olkhonsky district, Irkutsk region. This revealed that the generalization of maps introduces some details and modified network prints, but does not lead to a significant transformation of the network topology. It is also considered as a type of augmented indexing of big data using network indicators provides high search performance in a given domain. The main conclusion in the article is that it is important to take into account the nature and features of the network, as opposed to data, considering them as networks.

Keywords: network science, interpretation in the network, transformation into complex networks.