Моделирование политических взглядов российских пользователей социальной сети ВКонтакте

Предложены две модели машинного обучения для автоматического определения политических взглядов российских пользователей ВКонтакте, в основе которых лежит микроподход к анализу данных ВКонтакте. Результаты приложены к различным научным и прикладным сферам. Одна из них - мониторинг общественного мнения: в результате апробации на выборке, состоящей из 22 миллионов цифровых отпечатков аккаунтов совершеннолетних пользователей, были построены две оценки распределения симпатий соответствующих пользователей в преддверии выборов Президента РФ 2018 года. При использовании этих оценок для построения ретроспективного прогноза результатов выборов средние абсолютные ошибки составили 12 и 19.4 процентов соответственно, причем в первом случае были верно расставлены три первых места. Кроме того, представлен подход к калибровке параметров математических моделей динамики мнений, а именно, величин, отвечающих за сами мнения пользователей. В основе данного подхода лежат оценки, генерируемые построенными алгоритмами. In this paper, we present two machine learning models that can predict Russian VKontakte users' political preferences. They imply operationing at the users-level. We consider thoroughly its different applications; one of them is public opinion monitoring. To demonstrate it, we test them on the sample of 22 mil of Russian users of age. Finally, we retrieve two estimations of public opinion. In case we value the outcome of the 2018 Presidential election by these estimations, we get MAE of 12 and 19.4 percent correspondingly. Moreover, one of the algorithms finds correctly the first three places. Another prominent utility relates to the calibration of opinion dynamics models where we can use scores generated by the machine learning algorithms to estimate users' opinions numerically.