ИССЛЕДОВАНИЕ МЕТОДОВ ПОСТРОЕНИЯ КАУЗАЛЬНЫХ ГРАФОВЫХ МОДЕЛЕЙ ДЛЯ СЛОЖНЫХ СОЦИОГУМАНИТАРНЫХ СИСТЕМ

Аннотация

Сложные социогуманитарные системы - это разновидность систем, которые изучаются в социологии, антропологии, экономике, политологии, и других гуманитарных науках. Эти системы характеризуются сложностью взаимодействий между их составляющими элементами, которые могут быть как людьми (индивидами, группами), так и культурными, социальными, экономиче- скими и политическими аспектами. Например, общество как социогуманитарная система состо- ит из различных элементов, таких как люди, культура, институты, ценности и так далее. Они взаимодействуют между собой, образуя сложную сеть связей и влияний, которая определяет поведение и развитие общества. Чтобы лучше понять такие системы, используются различные подходы, включая системный анализ, социальную сетевую теорию, теорию сложности и другие методы. Эти подходы помогают выявить основные закономерности в функционировании слож- ных социогуманитарных систем и предсказать их развитие в будущем. В данной статье рас- сматриваются подходы к выявлению причинно-следственных связей, выделяются основные тре- бования к построению этих связей в контексте сложных социогуманитарных систем, имеющих дело, в основном, со слабоструктурированной информацией, часто в виде естественного языка и текстов. Были определены слабые и сильные стороны выявленных подходов, а также рассмотре- ны примеры использования современных методов построения графов на разных задачах: выявле- ние рисков в бизнесе, анализ социальных явлений, выявление наличия причинности в текстах. Ис- следование показало, что наиболее продуктивными являются методы машинного обучения, на- пример языковые модели для извлечения знаний из текста в совокупности с нейросетевыми тех- нологиями и графовым представлениями знаний. Они требуют уверенных знаний математики, статистики и программирования, как минимум на языке Python, имеющих самую внушительную инструментальную поддержку для решения задач машинного обучения. Также, выявление причин- ности основывается не только на корреляции, но и на других методах, таких как тест Грейнд- жера, используемый для анализа временных рядов.