Научный архив: статьи

Глобальные изменения в мировой экономике и торговле предъявляют новые требования к транспортно-логистическим системам (ТЛС). Повышение их устойчивости к сбоям и структурным изменениям становится критической задачей на фоне роста доли логистических издержек в ВВП России. Существующие методы оптимизации часто не учитывают устойчивость самой сетевой структуры к деструктивным воздействиям, что создает пробел в знаниях. Цель работы - создать и апробировать методологический инструментарий для оценки и усиления структурной устойчивости ТЛС. В рамках предложенного подхода объединены: графо-теоретическое моделирование; методы многокритериальной оптимизации; новый показатель - коэффициент просачиваемости, отражающий способность сети обеспечивать доставку грузов во все пункты назначения. В ходе исследования: формализована многокритериальная оптимизационная задача, направленная на поиск оптимальных путей и потоков; разработана математическая модель ТЛС на базе матрицы начальных условий; введен коэффициент эффективности для сопоставления альтернативных вариантов решений. Проведена оценка устойчивости через коэффициент влияния структурных изменений на эффективность решений. Выполнен крупномасштабный вычислительный эксперимент, в рамках которого сгенерировано свыше 1 млн графовых структур. Основные результаты: выявлена тесная корреляция между пропускной способностью сети, коэффициентом просачиваемости и эффективностью принимаемых решений; определены барьерные значения коэффициента влияния, позволяющие классифицировать ТЛС как устойчивую или неустойчивую к конкретному типу структурного разрушения; сформулированы принципы построения устойчивых ТЛС, среди которых ключевым является наличие альтернативных путей с эффективностью, близкой к оптимальной. Полученные результаты формируют фундамент для разработки интеллектуальных транспортно-логистических систем, способных эффективно противостоять сбоям и колебаниям нагрузки.

Современные социальные сети характеризуются сложной неслучайной топологией, однако существующие исследования фрагментарно описывают их структурные свойства применительно к российскому сегменту, оставляя пробел в валидации классических графовых моделей. Актуальность обусловлена необходимостью разработки точных математических методов анализа для управления информационными потоками и противодействия угрозам в цифровой среде. Целью работы является моделирование и анализ структуры социальной сети «ВК» с использованием графовых теорий для выявления ключевых метрик кластеризации, эффекта «малого мира» и масштабируемости. Исследование основано на анализе анонимизированного среза данных социальной сети «ВК» объемом более 1 млн пользователей. Построен неориентированный граф дружеских связей. Применены алгоритмы расчета коэффициента кластеризации, распределения степеней узлов, средней длины кратчайшего пути и модульности (метод Louvain). Установлено, что сеть «ВК» обладает свойствами scale-free сети с показателем степенного распределения и наличием хабов, высоким коэффициентом кластеризации (≈ 0,52) и малой средней длиной пути (<5 шагов), что соответствует модели Барабаши-Альберта и эффекту «малого мира». Выявлены устойчивые тематические сообщества с высокой структурной замкнутостью. Полученные результаты коррелируют с выводами работ Милгрэма, Уоттса-Строгаца и Барабаши Альберта, подтверждая универсальность данных моделей для российских платформ. Перспективы исследования связаны с изучением динамических процессов распространения информации и применением графовых нейронных сетей для прогнозирования связей.

Данная статья посвящена всестороннему анализу проблемы обеспечения цифровой безопасности несовершеннолетних в условиях стремительного развития информационного общества и цифровых технологий. Цель исследования состоит в выявлении нормативных, организационных и технологических механизмов защиты детей от информационных угроз, формирующихся в сети Интернет, включая деструктивный контент, кибербуллинг, вовлечение в противоправную деятельность и манипулятивные алгоритмы социальных сетей. Особое внимание уделено анализу правовых актов, регулирующих данную сферу, а также институциональной роли государственных органов и значимости образовательных инициатив. Методологическая основа исследования включает системный и междисциплинарный подходы, позволяющие учитывать юридические, социокультурные, педагогические и технологические аспекты проблемы. В процессе работы использовались методы контент-анализа нормативных документов, сравнительно-правовой анализ, а также обобщение практического опыта и данных социологических исследований. Ключевые результаты исследования заключаются в выявлении фрагментарности существующего законодательства и институциональных механизмов в сфере информационной безопасности несовершеннолетних, а также в обосновании необходимости построения комплексной многоуровневой модели защиты. Эта модель предполагает создание специализированного органа контроля, укрепление связей между школой, семьей и ребенком, а также внедрение современных технических решений для фильтрации и контроля цифрового контента. Выводы исследования подчеркивают важность комплексного подхода к решению обозначенной проблемы, необходимость скоординированного межведомственного взаимодействия, развития цифровой грамотности всех участников образовательного процесса, а также совершенствования правового регулирования. Представленные в статье рекомендации и инициативы могут быть использованы при формировании государственной политики в сфере цифровой безопасности, разработке образовательных программ и инструментов защиты детей в онлайн-среде.

В статье рассматривается применение методов машинного обучения для анализа тональности текстов, опубликованных пользователями социальной сети ВКонтакте. Это дает возможность в режиме реального времени отслеживать и анализировать настроения миллионов пользователей, что способствует оперативному принятию решений и прогнозированию социальных процессов. В рамках исследования был реализован сбор текстовых данных с использованием VK API, включающих посты и комментарии пользователей. Проведена предобработка текстов: очистка, лемматизация, удаление стоп-слов и векторизация методом TF-IDF. Для классификации эмоциональной окраски были протестированы модели: логистическая регрессия, случайный лес, наивный байесовский классификатор, а также нейросетевые архитектуры LSTM и Transformers (RuBERT). Наивный байесовский классификатор показал наилучшие результаты по метрике полноты и сбалансированности по другим метрикам. Согласно результатам анализа, большинство текстов пользователей имеют нейтральную или положительную тональность, и лишь незначительная часть - негативную. Представлены визуализации и статистика распределения тональности. Работа демонстрирует эффективность применения классических методов машинного обучения для обработки и анализа текстов в русскоязычных социальных сетях.