基于多子网复合复杂网络模型的多关系社交网络重要节点发现算法

为提高社交网络中重要节点评估的效率和有效性,根据社交网络中存在多种相互影响的关系的特性,基于复杂网络理论提出了一种适用于多关系社交网络的重要节点发现算法.首先使用多子网复合复杂网络模型建立包含多种关系的复杂网络,然后采用信号传播方法体现网络中多种关系和节点间的相互影响,以及这些影响的传递性,最后利用矩阵迭代方法模拟信号传播过程,定量分析网络中各节点的重要度.该算法综合了社交网络中节点的全局和局部重要性,考虑了各节点重要度的相互影响,在豆瓣网上的实验结果表明,与传统社交网络重要节点发现算法相比,该算法在迭代次数、涵盖率等指标上都有较大改善,有助于提高社交网络中舆情分析、社团结构发现、信息传播等工作的效率和准确性.     

复杂网络中节点重要度的一个评估指标

为了简单而有效地评估网络拓扑结构中各节点重要性,本文基于节点的连接度和局部连通性,定义了一个节点重要度函数.该重要度函数指标实质上与网络中的平均最短距离指标是一致的,通过该重要度函数指标值的大小可以得到网络中各节点的重要度排序.理论分析与实例表明,对于小型网络,该方法的计算比较简单,且直观、有效、合理.     

基于属性信息和结构特性的网络节点重要度研究

现有的节点重要度排序方法大多只针对网络的拓扑结构进行研究,忽视了网络节点自身所包含的属性信息.然而这些属性信息至关重要,却广泛存在不完备性,这些不完备属性信息与节点的重要性密切相关.针对这一问题,提出一种基于优势粗糙集理论和TOPSIS方法的网络节点重要度分析方法,融合网络结构特性和节点属性信息,克服了单一从拓扑结构分析的局限.最后,将本文所提出的方法应用于微博社交网络中的用户重要度评价,并与其他方法进行比较,结果表明,该方法的排序结果对节点在属性信息和结构特性的重要性进行了较好的综合,能全面地体现出各节点的重要程度.     

基于复杂网络的社交网络用户影响力研究

基于复杂网络理论对社交网络用户影响力进行分析,可以为社会营销、舆情监测、信息检索等众多领域的研究提供支持.传统的网页排序算法虽然可以对有向社交网络的用户影响力进行分析,但仍存在缺陷且复杂度较高.本文提出了一种对无向社交网络进行用户影响力评价的方法,弱化了将有向网络视为无向网络研究而带来的误差,并可以高效地得到重要节点,适用范围更广.首先,本文采用网络节点的度中心性、介数中心性、接近中心性、聚类系数作为节点重要度评价指标,通过对计算数据归一化处理并取均值得到用户影响力排序的基准.其次,采用k-核分解法粗粒化地将重要度相似的节点进行归类,来检验排序的合理性.最后,通过仿真实验以及k-核分解、与HITS算法比较验证了此方法的科学性和正确性.     

基于网络距离和内容相似度的微博社交网络社区划分方法

现有的微博社交网络社区挖掘方法多是基于网络结构进行,忽略了节点本身行为的重要性,并且不能同时实现对大规模复杂网络结构适应性和社区挖掘的高效性。为缓解上述问题,提出了一种基于网络距离和内容相似度的微博社交网络社区划分方法,该方法在考虑微博社交网络结构的同时兼顾了网络中节点的历史微博内容,通过对历史微博数据的分析提高社区划分的精确度。文中对Louvain算法和其模块性的修改使用,保证了该方法能够处理大规模网络数据,同时又能保证社区挖掘的效率。实验证明,该方法能够高效地挖掘微博网络社区结构,对学术研究和商业应用都有十分重要的意义。     

基于社交效用向量的机会网络路由算法

针对传统机会网络路由协议未考虑到节点社会性的问题,根据机会社会网络中节点呈现出周期稳定性和规律性,利用节点累计的历史信息组成"社交效用向量"来预测网络拓扑结构的变化,提出了基于社交效用向量的机会网络路由算法.该算法中每个节点都携带各自的社交效用向量,根据节点与目标节点是否属于同一社区及节点的社交延迟度控制消息的转发次数,同时将连通时长、社交有效性用于决策消息转发,避免消息的碎片化.在真实数据集PMTR上进行仿真实验,从转发消息数、数据包平均延迟及投递成功率三方面将该算法与Epidemic、Prophet经典算法对比,分析了消息生存时间和节点缓存空间对路由性能的影响.仿真实验表明,该算法与Epidemic、Prophet算法相比,减小了延迟率和误码率,提高了投递成功率,同时在转发消息数方面略优于两种经典算法.     

基于多领域复杂网络拓扑结构的节点重要度评价方法

节点的重要度评价对复杂网络上节点的传播影响力具有重要的理论意义和应用价值,但传统的基于网络位置的方法并未考虑多维指标特征对网络节点重要度的影响,导致在大型网络的节点重要度评价中,一般节点的排序结果精度不高.为此在深入剖析经典的混合度分解算法以及传统重要性排序算法缺陷的基础上,结合网络节点的全局特征和局部特征对节点进行重要度影响分析,并将三度影响力原则融入节点的局部特征,提出一种适用于无向网络的基于多领域复杂网络拓扑结构下的节点重要度评价方法,即基于聚集系数和邻居特征的混合分解方法(CNMD).在社交网络、电子邮件网络、协作网络等10个领域数据集上的实验结果表明,相比于MDD、Eksd和MCDWE等算法,CNMD方法排序结果的分辨率分别达到了92.44%、99.99%、98.68%等,在10个领域数据集上的平均分辨率为98.73%,最高分辨率为99.99%,最低分辨率为92.44%,明显优于对比算法,可以更有效地应用于大型复杂网络中节点重要度的快速评价与计算.     

旅游目的地虚拟网络结构特征研究——-以黄山市为例

以黄山市为案例, 采用复杂网络理论和方法研究分析目的地虚拟网络的结构特征。结果显示该网络是具有小世界特征的稀疏网络, 其度分布符合幂律分布且幂指数位于1与2之间, 其节点倾向于链接不同类型的节点, 并且节点之间的距离和度值对节点互联的影响较弱。将黄山网络与随机网络、万维网以及其他旅游虚拟网络进行对比分析, 探讨目的地虚拟网络和现实网络之间的关系, 认为虚拟网络不仅只是信息网路, 也是社会网络, 它是现实网络在虚拟空间中的映射。在这个意义下, 目的地虚拟网络的结构特征反映了其现实网络的特征。     

社交网络下的谣言扩散与控制研究

基于危机生命周期提出了网络谣言扩散模式的5个阶段,分析了网络谣言扩散的循环过程;基于社交网络节点的星形传播结构以及节点的集团性,提出了谣言控制策略——社区识别,即通过求节点的余弦相似度划分社区,同时确定初始聚类节点选取的原则,据此提出关键节点的控制策略;根据社交网络的拓扑结构,指出对于有较大出度和入度的节点进行控制至关重要.     

基于网络性能变化梯度的通信网络节点重要程度评价方法

针对已有的通信网络节点重要程度评价方法基于网络中可替换路由数目,不能评估网络被分割时网络中节点的重要性的不足,提出了一种利用网络性能变化梯度的通信网络节点重要性评价方法.该方法通过计算网络中的节点被移除时网络直径和网络连通度变化梯度来评估网络中节点的重要性.利用该算法对美国ARPA网络的节点重要程度进行了分析,并与基于可替换路由数目的算法进行了比较.实验结果表明,该文提出的节点重要程度评价指标准确地反映了节点对网络性能影响的大小,并且适用于网络被分割或网络没有被分割2种情况.     

学术信息服务平台的研究与设计

提出了建设学术信息服务平台的构思,该平台采用分层架构,数据层从互联网采集学术信息,并对其进行清洗和存储,识别学术实体,分析学术关系,形成学者社会网络;应用层提供学者空间服务、学术信息语义描述、开放的Web服务接口和学术信息检索功能;协作层为学者交互团队合作提供基础服务,包括在线交流,论文分享,社会网络服务以及科研群组．并重点阐述了学术信息的采集、学术关系的分析和论文推荐等3个关键问题．     

ACTPred： Activity Prediction in Mobile Social Networks

A current trend for online social networks is to turn mobile.Mobile social networks directly reflect our real social life,and therefore are an important source to analyze and understand the underlying dynamics of human behaviors （activities）.In this paper,we study the problem of activity prediction in mobile social networks.We present a series of observations in two real mobile social networks and then propose a method,ACTPred,based on a dynamic factor-graph model for modeling and predicting users＇ activities.An approximate algorithm based on mean fields is presented to efficiently learn the proposed method.We deploy a real system to collect users＇ mobility behaviors and validate the proposed method on two collected mobile datasets.Experimental results show that the proposed ACTPred model can achieve better performance than baseline methods.     

A survey of social network and information dissemination analysis

In recent years, with the rapid growth of social network services （SNS）, social networks pervade nearly every aspect of our daily lives. Social networks are influ- encing today＇s societal and cultural issues, and changing the way of people seeing themselves. To fully understand the running mechanisms of social networks, in this paper, we aim at series of high knitted and important elements of online social networks. We mainly focus on 3 important but also open research problems, they are （1） structural properties and evolving laws, （2） social crowds and their interaction behaviors and （3） information and its diffusion. In this paper, we review the related work on the 3 prob- lems. Then, we briefly introduce some interesting research directions and our progress on these research problems.     

浅议基才网络资源的竞争对手发展策略分析

阐述了分析研究竞争对手发展战略的重要性，列举了获取竞争对手发展战略的网上信息源，指出了通过分析网上信息源可以获得竞争对手的发展战略。     

COT:一种连续时间序列建模的社区发现算法

研究基于交互及内容数据发现交往密切的交互社区,以及这些社区如何随时间发展变化,对于网络营销、内容推荐等应用具有重要意义。已有的基于内容与链接分析的混合模型大都未能对交互行为中广泛存在、且显著影响社区结构的时序信息进行统一建模分析。基于贝叶斯图模型,提出了一种可综合考虑交互信息、网络结构以及交互行为时间信息的社区发现模型COT(community over time),可用于从在线社交网络的交互数据中发现具有特定主题倾向及周期性行为模式的动态交互社区。模型采用Gibbs采样进行贝叶斯统计推断,通过在新浪微博真实数据集上的实验验证,可以有效应用于在线社交网络中并取得较高的精细度和可解释性。     

A 61-million-person experiment in social influence and political mobilization

Human behaviour is thought to spread through face-to-face social networks, but it is difficult to identify social influence effects in observational studies, and it is unknown whether online social networks operate in the same way. Here we report results from a randomized controlled trial of political mobilization messages delivered to 61 million Facebook users during the 2010 US congressional elections. The results show that the messages directly influenced political self-expression, information seeking and real-world voting behaviour of millions of people. Furthermore, the messages not only influenced the users who received them but also the users' friends, and friends of friends. The effect of social transmission on real-world voting was greater than the direct effect of the messages themselves, and nearly all the transmission occurred between 'close friends' who were more likely to have a face-to-face relationship. These results suggest that strong ties are instrumental for spreading both online and real-world behaviour in human social networks.     

Combining User-Driven Social Marketing with System-Driven Personalized Recommendation for Student Finding

Student selection is of crucial importance for supervisors who are choosing students for postgraduate studies or research projects. Due to the challenge of asymmetric information, it is difficult for them to find suitable candidates. The existing methods do not work so well in the web 2.0 context which is inundated with vast online information. In order to overcome the deficiency, a research social network enhanced approach is proposed to provide decision support. It appeals to supervisors to adopt the proposed user-driven social marketing strategy. Meanwhile, this study mainly presents a system-driven personalized recommendation approach to support supervisors' decisions of student selection. The proposed method distinguishes supervisors based on their co-author networks to extract their potential preferences of collaboration styles. Subsequently, corresponding recommendation strategies are employed to provide personalized student recommendation services for targeted supervisors. A prototype is implemented on ScholarMate which provides online communication channels for researchers. A user study is conducted to verify the effectiveness of the proposed approach. The results enlighten designers to consider the differences among different users when designing recommendation strategies.     

基于多元信息融合的用户关联模型

随着社交媒体网站的日益普及,用户倾向于加入多个社交网络,作为社交媒体中的一项新兴工作,将社交网络的多个用户身份关联起来具有重要意义。通过研究目前有代表性的用户关联模型,提出了一个基于综合信息的用户关联模型(BiALP),该模型通过节点表达的方法学习网络的内在结构信息、属性信息和内容信息,以源网络和目标网络的节点表达为特征,以已关联用户对作为带标签数据,采用二分类监督学习的方式学习源网络与目标网络之间的关联关系。大量实验表明,BiALP模型与目前有代表性的其他用户关联模型相比效果有明显的提升(35%),能够实现更精确的用户关联。     

浅谈正确认识网络游戏对青少年的积极影响

阐述了网络游戏对青少年健康成长的重要性,分析了网络游戏对青少年健康成长的积极影响,针对网络游戏对青少年健康成长的消极作用提出若干对策。     

中小企业社会网络与其成长绩效的关系研究——基于北京地区200家企业的调研

目前,越来越多的中小企业认识到社会网络的重要性,并积极建设自己的社会网络。但多数中小企业在识别、构建合作网络和协同成长方面存在很多问题。利用北京地区高端产业园区200家企业的调研数据,采用结构方程模型及相关分析法,对中小企业社会网络特征及其与企业成长绩效之间的关系进行分析,揭示企业在社会网络构建与网络化成长中存在的问题,并提出对策建议,以促进中小企业社会网络建设和企业健康可持续成长。