Алёна Владимировна СУВОРОВА, м.н.с. Лаборатория ТиМПИ, СПИИРАН suvalv@mail.ru 1 МОДЕЛИРОВАНИЕ СОЦИАЛЬНО- ЗНАЧИМОГО ПОВЕДЕНИЯ РЕСПОНДЕНТОВ ПО ДАННЫМ О ЕГО. - презентация

1 Алёна Владимировна СУВОРОВА, м.н.с. Лаборатория ТиМПИ, СПИИРАН 1 МОДЕЛИРОВАНИЕ СОЦИАЛЬНО- ЗНАЧИМОГО ПОВЕДЕНИЯ РЕСПОНДЕНТОВ ПО ДАННЫМ О ЕГО ОСОБЫХ ЭПИЗОДАХ

2 План доклада Постановка проблемы Исходные данные Вероятностный подход к оцениванию интенсивности По последним эпизодам По рекордным интервалам Обработка неполных и неточных данных Обобщенная модель Применение вероятностных графических моделей Описание модели Преимущества подхода Расширение модели Разработанное программное обеспечение Гранты и проекты 2

3 Постановка проблемы Эпидемиология Медицина Рискованное поведение Социо-инженерные атаки Манипулирование оператором Угрозообразующее поведение 3

4 Исходные данные Прямые измерения Дневниковый метод Круглосуточный мониторинг Самоотчеты респондентов Прямые вопросы Лайкерт-шкалы Опросы об эпизодах поведения 4 Способ получения исходных данных

5 Опросы об эпизодах поведения 5 Способ получения исходных данных «Когда в последний раз Вы делали …?» Последние эпизоды поведения «Каким был минимальный интервал между эпизодами… за последние 6 месяцев?» «Каким был максимальный интервал между эпизодами… за последние 6 месяцев?» Рекордные интервалы стабильность воспроизведения количественные значения ответы выражены на естественном языке

6 Цель исследований развитие методологии представления, агрегирования и обработки данных и знаний (полученных из самоотчетов респондентов) в условиях информационного дефицита для последующего формирования и расчета косвенных оценок интенсивности социально- значимого поведения. 6

7 Вероятностный подход Поведение рассматривается как случайный процесс некоторого класса – Пуассоновский процесс k число последовательных событий, которые вспомнил респондент, а T тот период времени, за который эти эпизоды произошли, λ интенсивность. – Модификации пуассоновского процесса – Эмпирические распределения 7 Эпизоды поведения время

8 По последним эпизодам Оценка методом максимального правдоподобия (пуассоновский процесс) 8 k число последовательных событий, которые вспомнил респондент, а T тот период времени, за который эти эпизоды произошли Момент интервью Последние эпизоды Период T

9 Последний интервал Неявно делается предположение, что момент интервью является эпизодом поведения Возникновение систематической ошибки Рассмотрены несколько подходов, позволяющих избежать такого предположения – модификация функции правдоподобия – коррекция вероятностного распределения для длины последнего интервала – рассмотрение распределения особого вида 9

10 С учетом исправленной вероятности вычисление оценки интенсивности методом максимального правдоподобия сводится к решению уравнения Уравнение имеет единственное решение Знаменатель раскладывается в ряд: Значение интенсивности можно найти с помощью численных методов Коррекция 10

11 Численные эксперименты Таблица. Сравнение оценок интенсивности

12 Длина интервала между последним эпизодом и моментом интервью имеет следующее распределение (принадлежащее к классу бета- простых распределений) Бета-распределение 12 чем длиннее интервал между эпизодами, тем более вероятно, что момент интервью попадет в этот (более длинный) интервал Наблюдение где К нормирующая константа, σ, η параметры, характеризующие интенсивность. Функция правдоподобия имеет вид:.

13 Максимальный и минимальный интервалы между эпизодами рискованного поведения за заданный период времени рассматриваются как члены вариационного ряда, что позволяет воспользоваться аппаратом теории рекордов Плотности распределения соответствующих порядковых статистик и их сочетаний имеют вид Оценка интенсивности вычисляется методом максимального правдоподобия По рекордным интервалам 13

14 Неполнота и неточность ответов Высказывания на естественном языке Влияние единиц измерения – «семь дней назад» vs «неделю назад» Рандомизация неопределенности ответа 14

15 Обработка неопределенности 15 Момент интервью Полученный ответ «неделю назад» Длина интервала «семь дней» Веса точек

16 Обобщенная модель Предложен подход к построению модели, учитывающей одновременно данные о последних эпизодах поведения и сведения о рекордных интервалах Поведение рассматривается как пуассоновской процесс Метод максимального правдоподобия для оценки интенсивности поведения 16

17 Функция правдоподобия 17

18 Следующий этап Исследовать аспекты сходимости ряда Развить процедуры и методы вычисления полученного выражения Добавить обработку неточности исходных данных Развить процедуры поиска экстремума Необходимо 18 Рассмотрение в качестве модели поведения других случайных процессов потребует повторения всех шагов

19 Альтернативный подход Задачу об оценке интенсивности социально- значимого поведения удобно свести через ряд промежуточных шагов к разработке особой вероятностной графической модели класса байесовских сетей доверия 19

20 Описание модели 20

21 Формальная спецификация 21

22 Преимущества Использование существующего алгоритмического аппарата Свободно распространяемый программный инструментарий для проведения вычислительных экспериментов и для применения в практических целях 22

23 Расширение модели 23

24 Расширение модели Влияние внешних факторов Вычисление относительных оценок Оценивание эффективности превенций Мониторинг и прогнозирование 24

25 Программный комплекс: по последним эпизодам 25

26 Программный комплекс: по рекордным интервалам 26

27 Гранты и проекты «Alcohol and HIV Risk Reduction in St. Petersburg, R.F.» (субконтракт M13A11589 (А06995) с Йельским университетом, США) Проект «Модели и алгоритмы анализа сверхкоротких неточных временных рядов на основе гранулярных данных и знаний» (Грант Правительства Санкт-Петербурга) «Развитие теории алгебраических байесовских сетей и родственных им логико-вероятностных графических моделей систем знаний с неопределенностью» (Грант РФФИ на 2012–2014 гг., проект а) 27

28 Алёна Владимировна СУВОРОВА, м.н.с. Лаборатория ТиМПИ, СПИИРАН 28 МОДЕЛИРОВАНИЕ СОЦИАЛЬНО- ЗНАЧИМОГО ПОВЕДЕНИЯ РЕСПОНДЕНТОВ ПО ДАННЫМ О ЕГО ОСОБЫХ ЭПИЗОДАХ