Этап 1. Запускается пакет SDCrawler, выполняющий краулинг по собранной базе данных на заданную тематику.
Этап 2.1 Запускается пакет CalcDist – построение распределения. Этот пакет автоматически берет для работы файлы результатов работы пакета SDCrawler. В итоге работы пакета мы получаем распределение степеней вершин в заданном примере, например, сети обсуждения темы «пропаганда гомосексуализма» в ЖЖ, пригодный для моделирования сети заданного размера на основе полученного распределения степеней вершин.
Этап 2.2. Запускается пакет SDAnalysis. Этот пакет автоматически берет для работы файлы результатов работы пакета SDCrawler. В результате работы пакета SDAnalysis мы получаем файл ориентированного графа сети подписок (дружбы) членов сообщества обсуждений заданной тематики, пригодный для моделирования распространения новой гипотетической информации/сообщения по этой тематической сети. SDAnalysis также фиксирует по дням значения I, S и R для реального примера распространения сообщения по тематическому сегменту социальной сети.
Этап 3. N1 раз запускается пакет SDDynamics, который N1 раз строит распространение информации, основываясь на модели Дэлей-Кендала в ориентированном графе, построенном SDAnalysis на этапе 2.1. При этом выполняется перебор сочетаний всех возможных параметров моделирования с заданным шагом.
Этап 4.1 Запускается пакет CNM, который используя распределение, полученное после работы пакета cacldist, строит на его основе сеть заданного размера.
Этап 4.2 Результаты N1 раз моделирования, полученные в результате Этапа 2.2, сравниваются с помощью socio_std (сравнение СКО) со значениями I, S и R реального примера распространения сообщения. На основе среднеквадратического отклонения значений созданных моделей от реальных значений, выбирается вариант моделирования, давший результаты, наиболее близкие к заданному примеру.
Этап 5.1 N2 раз запускается пакет SDDynamics. При этом используются одни и те же оптимальные параметры моделирования, полученные в результате выполнения этапов 2.1, 2.2 и 3.1. Запуски отличаются случайным выбором стартовых точек.
N2 раз запусков пакета моделирования производится для исключения неудачного попадания стартовой точки и связанной с этим некорректностью результатов моделирования.
Этап 5.2. socio_plot вопросизводит график лучших результатов моделирования (с наименьшим среднеквадратическим отклонением), совмещая его с графиком изменения значения I (информированные узлы) в реальном примере распространения сообщения.
Этап 6. Пакет SpreadStats усредняет результаты этапа 4 (результаты N2 раз запуска SDDynamics). В результате мы получаем усредненные результаты моделирования со сниженной вероятностью влияния на результаты моделирования неудачного попадания стартовой точки.
Этап 7. Запускается socio_std, который выбирает из результатов N2 раз моделирования результат, наиболее близкий к усредненному (полученному пакетом Spreadstats). Критерием отбора выступает среднеквадратическое отклонение. Наиболее близкий к усредненному результат моделирования сохраняется в файл результатов в виде графика изменения информированности узлов по дням.