城市公交网络的拓扑特性分析

本文以城市公交网络为研究对象,研究城市公交网络的拓扑特性.以南京市公交网络为实例,建立了南京市公交路线与站点网络的数据库,分别构建了基于公交线路的网络模型、基于邻接站点的网络模型、基于换乘站点的网络模型.利用复杂网络理论分析了这三种网络模型的拓扑结构,通过计算网络的静态参数(特征路径长度、度分布、集聚系数等),分析了不同网络的拓扑特性.利用复杂网络理论研究城市公交网络为城市交通规划与发展提出了新的参考建议.     

参照零模型的符号社交网络理论研究

 结构平衡理论和地位理论是社交网络领域的重要理论,可以用来分析同时具有正向和负向连边的社交符号网络。提出了3种新的随机断边重连零模型,基于随机断边重连和符号随机置乱两大类零模型,对符号社交网络的地位理论和结构平衡理论进行了系统研究。发现基于零模型不但可以验证两种理论在实证网络中的准确性,还能揭示正边、负边拓扑结构和连边符号相关性对于整个网络性质的影响。提出了一个新框架,研究能否将有向符号网络转化为无向符号网络,发现目前常用的将有向符号网络转化成无向符号网络的方法在有些情况下对于研究社交网络理论是不合适的,存在着信息损失;讨论了非符号有向网络中的势能理论。     

运用上下文增强和分层注意力机制的社交推荐

针对现有方法在建模用户、项目及其上下文特征上与社交网络耦合程度低,且没有充分挖掘社交信息中其他细粒度特征的问题,提出一种基于上下文增强和分层注意力机制的社交推荐模型(context enhancement and hierarchical attention mechanism social recommendation, CEHA-SR)。针对社交网络用户间关系所具有的图结构性质,该模型以图神经网络为框架,对社交信息、用户-项目-类别信息使用分层的注意力机制从不同层面的特征进行充分建模,并自适应得到不同特征之间的关系权重。在Ciao-28和Epinions-27两个真实数据集上的验证表明,该模型的均方根误差和平均绝对误差比经典的图神经网络社交推荐模型(GraphRec)分别降低了约3.63%、4.13%和4.33%、4.12%。     

在线社交网络用户分析研究综述

在对国内外在线社交网络用户分析相关研究归纳总结的基础上,综述了在线社交网络用户分析的最新进展,主要包括通过用户影响力和用户偏好进行用户行为分析、采用隐式和显式的分类方法对用户属性预测算法进行综述,简述了基于用户属性特征或(和)用户关系拓扑结构的用户分类研究进展,并分析了动态社交网络、并行算法及社交用户语义信息给在线社交网络用户分析所带来的机遇和挑战,对该研究方向上的发展趋势进行了展望.     

BA指数网络结构特性精确计算

度分布和平均路径长度是复杂网络的两个重要结构特性.对于随机增长的网络,其平均路径长度一般主要通过计算机模拟给出数值结果,尚无一个普适的解析计算方法.为此首先利用主方程的方法对BA随机指数网络的度分布进行解析推导,与Barabási等的结果相比所得度分布与计算机模拟值更接近.然后对BA随机指数网络和BA确定性指数网络的平均路径长度进行解析计算,所得结果与经典的ER随机图相似,即平均路径长度以网络大小的对数形式增长.此外,对BA随机指数网络平均路径长度的模拟值与解析计算结果相吻合.最后,对BA确定性指数网络的度分布与直径进行了解析计算,并对两个网络的结构特性作了比较.比较结果表明,BA随机指数网络和BA确定性指数网络的结构性质虽然存在量上的差异,但从定性角度来说,其拓扑结构是相同的.     

LBSN中结合相遇和拓扑结构的朋友推荐算法

利用基于位置的社交网络(LBSN)中的共享位置信息,提出一种结合相遇和拓扑结构的朋友推荐算法.该方法定义用户关系为相遇模型,通过考虑朋友间时间和空间的相遇特征,基于随机路点模型计算轨迹间在相同时间下的相遇频率作为用户相似度,结合拓扑相似度作为最终的推荐依据.实验结果表明,所提出的方法较传统基于拓扑的好友推荐算法准确率更高.     

上海市公交网络拓扑性质研究

运用复杂网络理论研究上海市公交网络.分别以公交站点完全连接、公交线路和公交站点邻近连接建立了3种不同的网络.以Matlab软件为辅助工具,得出上海市公交网络的拓扑结构,和一些静态几何量及其统计性质,如度分布、群聚系数、平均路径长度及介数等.运用这些静态几何量进行网的拓扑性质分析.     

互联网拓扑结构中的弹性网络特征

选取CAIDA机构数量级为107的互联网拓扑数据,对IPv4,IPv6与AS级互联网网络规模、标准网络结构熵、网络平均路径长度和网络度分布幂指数进行了分析.结果表明,互联网具有可扩展性与鲁棒性;互联网拓扑结构具有弹性网络特征,且随互联网的拓扑演化,弹性网络特征愈发明显.互联网弹性网络特征的发现,使借鉴生物学思想指导互联网宏观拓扑研究成为可能.     

复杂网络的稳定性

近来，Scale—free随机复杂网络成为一个令人感兴趣的研究领域。实证表明，复杂网络的拓扑结构不同于传统的随机图模型。本文中，我们提出了一种新的复杂网络模型来描述真实网络，研究复杂网络的拓扑结构。我们将平均场的方法运用到聚系数的求解．得到了一些关于复杂网络稳定性的结果。     

基于复杂网络的微信网络信息传播研究

近三年,微信迅速发展成为最热门的社交平台。通过对微信网络的基本数据描述和复杂网络分析方法,对微信网络结构拓扑性质进行了分析。构建腾讯微信社交网络,得到度分布、聚集系数、平均路径长度等复杂网络统计性质,得出了微信网络的无标度特性和小世界特性,为研究信息在微信中的传播性质,对腾讯微信数据进行实证分析,结合实际案例,评价了微信网络拓扑结构对网络信息传播的影响。