在线社交网络的拓扑特性分析

介绍了社交网络的背景知识,讨论了社交网络拓扑特性的研究框架,选取不同类型的社交网络对其拓扑特性进行评述,并针对各种典型社交网络的拓扑特性进行比较总结,最后展望了需要进一步研究的方向。     

基于用户相对权重的在线社交网络舆情传播控制模型

在线社交网络(online social networks,OSN)中舆情传播干预时机的选择对网络舆情的管控具有重要意义.通过分析用户的网络地位、社会强化效应与用户感知价值等影响网络舆情传播控制的关键因素,以研究舆情管控的合理干预时机为目的,构建了基于用户相对权重的网络舆情传播控制模型.基于该模型,针对两类OSN开展仿真研究.研究发现,网络舆情传播与信息初始传播源的网络地位密切相关;在开放式OSN中,存在与干预时机选择关系密切的关键相变点;用户活跃度随社会强化效应强度的增大而下降,随干预时机的提前而降低,并存在有效干预时机区间;悖民意成本是干预时机选择的重要衡量指标.并据此,提出了相应现实干预时机选择的对策建议.     

超图结构下的在线社交网络中隐性影响力评估

本文将超图结构、概率行为与信息理论三者进行合理综合,并将它们应用到在线社交网络及其隐性影响力评估的研究中,从而提出了一种新的有效数学分析方法.本文首先利用超图理论并通过超路径建立了在线社交网络中用户之间的信息传播过程,同时结合概率行为描述了信息传播的量化关系与波动强度.然后,本文通过平均互信息提出了一种新的在线社交网络隐性影响力评估的量化方法,同时也使用数值算例验证了这种评估方法的有效性.     

在线社交网络谣言传播的仿真研究——基于聚类系数可变的无标度网络环境

在经典SIR传染病模型的基础上,根据在线社交网络中谣言传播的特点,将网络谣言的受众用户扩展为无知者、知晓者、信任者、传播者、暂时免疫者和永久免疫者6类。同时考虑到用户会因为不断接触某一相同的谣言而导致对该谣言的信任水平增加的现实情况,引入社会加强正向效应,提出了一个改进的在线社交网络谣言传播模型,并结合复杂网络的相关理论建立了一个考虑聚类系数可变的无标度网络环境进行仿真研究。仿真发现,谣言的传播能力与影响范围会随着社会加强正向效应、用户首次接触并相信谣言的概率、孤立节点密度以及初始传播节点的度的增大而增大,但会随着网络聚类系数的增加而得到抑制。本文提出的谣言传播模型比较符合真实在线社交网络的谣言传播特性,可以为实践中网络谣言的管控提供一定理论参考。     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

BBS在线复杂网络及其成员交互特性研究

针对BBS论坛成员信息简单,连接关系随机和成员关系模糊的特点,提出基于阈值的BBS回复关系和共同回复关系的两种方法来构建BBS成员交互特性网络,并对这两种方法构建的复杂网络特性展开分析与讨论.同时为了讨论与分析成员的行为特征和交互模式,还讨论了BBS成员相似度和关联度模型.实验结果表明基于阈值的BBS成员在线网络满足小世界特性和无尺度特性.     

动态社交网络中非完全信息下谣言溯源问题研究

突发事件发生后,在线社交网络往往成为谣言滋生与传播的重灾区.追溯谣言源头,从源头阻断谣言传播是舆情管控的有效手段.但在实际中在线社交网络是动态变化的,并且谣言传播的历史情况信息很难完全获取,通常只能获取当前时刻下谣言的传播情况,因此本文聚焦于研究动态社交网络中非完全信息下谣言溯源问题.本文根据节点的传播级联在最后一层网络上的感染集合与当前时刻下新增被谣言感染节点集合的期望对称差构造目标函数,并证明了目标函数具有#P-hard的性质,且既不是次模函数也不是超模函数.接下来设计了基于可达集合抽样的方法寻找谣言源头节点,并给出了算法框架和计算复杂度分析.最后在三个真实的动态网络数据集上仿真验证了本文所提出谣言溯源方法 RSS相比于已有方法的效果更好,并探究了动态社交网络的拓扑结构变化对本文提出的谣言溯源方法准确性的影响.     

组织人才培养的超网络模型

从知识和知识管理的角度出发,提出基于定量化方法的组织人才培养超网络模型.研究根据不同类型的数据建立人员网络、物质载体网络和知识网络,再根据不同网络之间的相互映射关系建立超网络. 在超网络中,依据知识网络和人员网络之间的关系确定易流失知识和易流失领域,然后确定组织需要的知识.提出计算组织需要知识与人员知识相似度的算法,根据算法计算的相似度大者被确定为培养人选,然后依据组织需要的知识对培养人选进行培养. 最后,给出了一个实例进行验证.     

转向限制网络中基于预知时间的快递车辆在线揽件路径选择研究

针对现实快递服务网络结构上的转向限制及待服务需求出现后不能立即接受服务的特征,将预知时间引入到在线旅行商问题中,提出以服务总时间最小为目标的转向限制网络中基于预知时间的快递车辆在线揽件路径选择问题.在半路径上提出了WBR-dd策略,在路径上提出了REPdd略,在一般网络上提出了PAH-dd策略,证明了上述在线策略的竞争比,分析了该问题竞争比的下界.结果表明预知信息越多,在线算法将获得更优的竞争性能.     

融合文本和表情符号特征的社交网络用户性别识别

为了提升社交网络用户性别识别的准确性,先将单用户的文本特征和表情符号特征进行融合识别用户性别,然后提取多用户的交互特征信息进一步提升性别识别的准确性。实验结果表明融合多用户交互特征后用户性别识别准确率提升了6.8%。说明表情符号和多用户交互特征对提升用户性别识别准确性有很大帮助,提高了社交网络用户性别信息识别的准确率。     

小世界社会网络中的信息传播

小世界社会网络模型是一种描述现实社会系统的理想模型,基于此模型,提出小世界社会网络中的信息传播模型。模型中,每个社会参与者都具有一个连续型参数来描述其对于信息的态度,正的态度对信息传播有正反馈作用,而负的态度对于信息传播有负反馈作用。同时,引入局部信息和全局信息概念用以描述社会参与者对于信息的获取能力。信息传播模型在不同随机度和规模的小世界社会网络上进行了计算仿真。仿真结果表明网络的拓扑结构和参与者态度的正负反馈作用以及对于全局信息的权重对于信息的传播均衡结果有显著的影响。     

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制：集中式粗粒度模型。该模型基于并行遗传算法，可以同时对前馈神经网络的结构和权值进行优化。在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景。初步的实验结果表明该模型可以加快神经网络的进化速度，提高进化的效率     

基于网络的并行仿真和分布式仿真

随着网络高速化及低成本的群系统的出现，使并行和分布式仿真的广泛应用成为可能。本文首先系统概括了各种并行计算机的特点，辨析了并 行仿真和分布式仿真的概念，然后总结了已有的并行连续系统和离散事件仿真策略，分析了它们的优缺点，并提出了针对集群系统的特点对这些策略进行优化的方法。最后比较了分布式仿真系统的集成工具，得出了CORBA适合于中小规模应用的结论。     

OSN下的客户领袖声音在线识别方法

在线社会性网络(OSN)下的客户领袖声音容易形成电子口碑或舆论,直接影响企业营销决策规划与实施.旨在发现OSN下的客户领袖声音,引导其成为正向效用的电子口碑或电子舆论,以支持企业营销决策.通过在线检测客户日志数据,将各个代理软件所侦听到的表征客户声音的多重属性数据进行融合,完整、准确地表述客户声音;再采用基于距离的多指标离散和综合的统计方法,自动锁定、跟踪检测和在线甄别其中的客户领袖声音.经过实际算例数据验证,证明该方法科学、合理、有效.     

基于网络信息的社会动力学研究

主要介绍了传染病、谣言与计算机病毒、社会标签、网络通信以及社会群体等的社会动力学研究概况,阐述了复杂网络、系统动力学、人工社会以及ACP(人工社会+计算实验+平行执行)等社会动力学研究中常用的4类研究方法,分析了社会动力学在公共安全以及电子商务等相关领域的应用状况,并强调了现有社会动力学研究过程中所遇到的一些问题.     

科学计算可视化并行处理建模及其数据并行技术研究

科学计算规模的不断增长使得对科学数据的可视化也必须采用并行处理技术。针对可视化应用的特点,一方面,分类建立了可视化并行处理模型,给出了形式化描述,并对其并行性进行了定量的分析;另一方面,提出了一种可扩展的可视化数据并行体系结构,并深入探讨了实现该结构的数据划分技术和并行绘制方法;最后基于上述理论实现了一个数据并行可视化处理软件原型系统YH-PView,并通过实验验证了理论分析的正确性。     

复杂网络理论及其在航空网络中的应用

复杂网络理论是对复杂系统的高度抽象，它突出强调了系统的拓扑特征，其中许多性质如小世界性质、无标度性质等等已经得到了广泛的研究。本文从复杂网络的统计特性、结构模型以及在航空网络中的应用3个层次系统回顾了复杂网络的基本理论和应用现状，期望对航空网络规划问题的研究起到一定的借鉴作用。     

极度并行计算:演化算法和演化神经网络的研究进展

演化算法、神经网络以及两者的结合作为一种极度并行的计算,已引起人们极大的注意。本文首先对演化算法的不同流派作了比较和分析;然后对演化算法与神经网络的结合作了回顾与展望,并讨论了演化神经网络的并行实现模式;最后指出了演化算法及演化神经网络有待解决的几个关键问题,为后续研究指明了方向     

生物神经网络仿真中数据表达和并行处理

生物神经网络可以处理信息和产生特定的电特性，理解其信息产生和传递机理，对生物学将具有重要的意义。由于神经网络内部复杂的非线性反馈，进行各种可能的实验十分困难。为此，将信息学与生物学相结合，数学模型与实验数据相结合，建立了神经网络计算机仿真系统。在该仿真系统中，提出了面向对象的数据表达，并实现了并行处理，从而极大地提高了仿真系统的效率。该仿真系统已在许多国家科研和教学机构得到广泛使用。