基于维基百科的社会网络分析研究

社会网络分析是研究社会关系的一种新兴的研究方法,它能够对社会网络中行为者之间的关系进行量化分析,以可视化的图形展示行为者之间的深层次关系及描述群体关系的结构.基于维基百科抽取信息,建立辞典,然后构建了计算机网络技术关联网络、相关科研人员人际关系网络以及计算机网络技术与科学家关系网络三个社会网络,并对这三个网络用社会网络分析方法进行研究.发现搜集的当今80位在计算机领域有杰出贡献和影响力的科学家中很大一部分并不处于核心地位,说明他们与其他科学家合作的次数较少.而某些计算机网络技术其子技术或分支较少,但是其发展空间比较大,有可能成为未来的“热门”.     

支持复杂社会网络演化的过程挖掘技术综述

复杂社会网络演化过程研究对于发现社会网络群体的隐含结构和演化规律,以及风险预测具有重要意义。首先梳理了过程挖掘技术的发展脉络,阐述复杂社会网络分析方法与过程挖掘技术相结合在复杂社会网络演化模式研究、组织结构发现中的应用现状,结合社会网络分析方法和大数据技术,运用服务工程思想,进而从社会和资源维度综述社会网络跨组织业务过程发现、动态社会网络演化过程发现、角色挖掘与服务挖掘等技术,指出现有复杂社会网络过程挖掘研究面对大数据质量和跨组织异构等研究方面的不足,对大规模社会网络过程挖掘领域的研究难点和发展趋势进行了讨论。     

一种Twitter社区中社会网络分析方法

选取Twitter中文社区作为研究对象,提出一种社会网络分析方法。从微博客中用户之间的关注关系以及信息传播途径出发,采用社会网络分析方法,对微博客中的社会网络结构进行量化分析,研究其社会网络的密度、中心性、位置和角色。分析结果表明,该方法能避开信息碎片化、负面消息爆炸性传播等难题,可应用于有关国家安全问题的监控。     

社会网络分析技术在科研信息化中的应用

e-Science 和 Web2.0 的发展,促进了科研信息的开放和共享。科研人员对信息的依赖程度日渐加深,对知识服务、社会化信息的感知提出了更高的要求。科研人员在科研活动中形成了一张无形的社会网络,即学术社会网络。应用社会网络分析技术研究学术社会网络,一方面可以从宏观上通过对网络结构进行分析,了解当前的科研合作状况,提供科研管理的科学支持,另一方面可从微观的个人影响力、关系预测等多个侧面进行分析,深化信息服务。本文将重点介绍社会网络分析技术在当前科研信息化的应用实例,包括针对学术社会网络开展的实证研究工作,基于学术社会网络的合作者推荐技术,以及面向科研用户的支持知识共享和学术交流的学术社交平台。     

基于社会网络分析的泛在网络仿真平台

针对泛在网络面临局部自治性、异构性、复杂性、混沌性等问题,提出一种基于社会网络分析的泛在网络体系架构及网络仿真平台,并进行原型系统实现。采用社会网络分析中的社会网络的管理、组织和协作机制,利用Multi-Agent技术,从泛在网络体系架构、泛在网络软件平台、虚拟组织、管理Agent、工作者Agent等方面进行设计,同时对Agent通信语言进行基于XML的扩展。实验结果证明,该平台可用于仿真复杂的泛在网络服务与应用。     

基于领域本体的社会网络信息分析与可视化

社会网络分析与可视化是当前的热门研究领域,但是针对社会网络信息的高效理解与组织的研究成果却十分缺乏。本文提出一种针对社会网络信息的领域本体模型,它对社会网络信息领域的客观存在及其关系进行描述。该模型适合于描述各种社会网络分析与可视化方法,并能针对不同社会网络信息可视化应用进行扩展,克服了传统力导引布局算法在社会网络结构分析与可视化上的不足。其可视化结果能够清晰显示子群分布,表现行动者间的密切程度,显示行动者关键属性分布以及子群内部的角色分布等信息。最后通过恐怖活动信息实例,验证了领域本体模型在社会网络信息分析与显示方面的优越性。     

基于Citespace的复杂网络可视化研究图谱

当今万维网、社会网等复杂网络规模的迅猛发展,传统的文字和表格形式已无法满足日益庞大的网络数据的分析和管理,而可视化技术作为一种有效的辅助理解复杂网络的结构并从中挖掘有用信息的方法而得到广泛应用．本文以WebofScience数据库中关于复杂网络可视化的文献为研究对象,利用Citespace软件绘制出该领域的相关知识图谱,研究结果直观的展示了该研究领域主要国家、主要机构、核心期刊;揭示了复杂网络可视化研究领域由理论研究到实证研究、方法探索到实际应用的演进路径;指出可视化算法、可视化工具的研究等为热点,社会网络分析、数据挖掘等研究为前沿,为更快、更好的了解复杂网络可视化研究领域基础及研究进展提供有价值的参考．     

基于管理者合作网络的开源软件开发社区中心性分析

随着开源生产模式的快速发展,合作开发社区中项目管理者之间的关系也变得越来越复杂.社会网络的分析可以作为组织管理的辅助工具与方法,将其与复杂网络研究结合起来,使人与人之间的相互作用关系变的更加清晰,促进对其拓扑结构的理解.本文通过对SourceForge.net社区中开源软件项目信息进行收集,在项目-管理者二分网络基础上构建管理者合作网络模型,对管理者的度进行分析发现网络呈现明显的核心/边缘结构.因此,我们分别从节点度、介数和拓扑势三个度量指标,进一步对合作网络的结构进行中心性分析,发掘网络的核心人物.     

医院计算机网络维护的体会

随着社会经济的飞速发展,我国的科学技术也得到了质的飞跃。随着科学技术的迅猛发展,网络信息化和经济化也渗入到了各种行业内。网络的出现改变了社会的生产结构和劳动结构,并且引起了社会中所有的组织、机构及其制度的变革,医院也不例外。计算机网络渗入到了医院的各个环节,成为了医院不可或缺的重要组成部分,在计算机系统为医院内的患者和工作人员带来方便的同时,保障医院局域网的使用安全及医患之间的利益成了医疗网络工作人员现在面临的重要问题,因此做好医院计算机网络维护工作,保证系统每时的正常运行显得尤为重要。在文中笔者从硬件和软件两方面浅谈了下对医院计算机网络维护的体会。     

探析信息加密技术在计算机网络安全中的应用

随着计算机技术的迅猛发展和网络技术的巨大进步,计算机网络日益普及,带来了巨大的经济利益,深入到社会生活的各个方面,推动了社会的进步,但是网络信息安全问题也深深威胁着社会的安定。信息加密技术是计算机网络安全中的技术核心,本文在分析加密技术概况基础上,探讨了对称与非对称加密技术、消息摘要与完整性鉴别技术、数字签名技术、数据隐藏技术在计算机网络安全中的应用。     

动态图模式匹配技术综述

随着大数据时代的到来,多源异构数据的快速增长已经成为了一个开放性问题,这些数据之间的内在关联通常可以用图数据的形式来表现.然而在实际应用中,例如网络安全分析和社交网络舆情分析,描述实体对象之间关系的图数据的结构和内容往往不是固定不变的,图数据的结构以及节点和边的属性会随着时间的推移发生更新变化.因此,如何在动态更新的图数据中进行高效的查询、匹配是目前研究的热点问题,也涌现了许多优秀的研究工作.本文从关键技术、代表性算法和性能评价方面对动态图匹配技术的研究进展进行了综述.最后对动态图匹配技术的典型应用、面临的挑战问题和未来发展趋势进行了总结和展望.     

群组协作社交网络关系的分析及可视化

社交网络的研究应用领域广泛,大多数的研究主要关注于社交网络结构中节点和链接的变化,研究角度较为单一.而群组协作关系在社交网络中较为普遍,为更好地探索群组协作过程中群组级别网络结构的演变,首先将组级任务添加到用于图可视化的任务分类中,针对协作关系网络的特性,设置一个适用于群组协作关系分析的任务分类法,根据此任务分类法设置探究群组协作需完成的任务;然后设计相关可视化视图,以更直观的方式展示群组之间以及群组内部协作关系的特征以及随时间推进的演变模式;最后在学术协作文献数据集上进行具体案例分析,通过用户评估实验,采用李克特量表对调查问卷进行分析,验证了设计可视化视图的有效性和实用性,可为社交网络关系分析人员提供群组协作的可视化分析方法,更便于对群组协作网络关系的进一步探究和应用.     

A graph-theoretical model of computer security

We describe a model of computer security that applies results from the statistical properties of graphs to human-computer systems. The model attempts to determine a safe threshold of interconnectivity in a human-computer system by ad hoc network analyses. The results can be applied to physical networks, social networks and networks of clues in a forensic analysis. Access control, intrusions and social engineering can also be discussed as graph- and information-theoretical relationships. Groups of users and shared objects, such as files or conversations, provide communication channels for the spread of both authorized and unauthorized information. We present numerical criteria for measuring the security of such systems and algorithms for finding the vulnerable points.     

Sign prediction in sparse social networks using clustering and collaborative filtering

Today, social networks have created a wide variety of relationships between users. Friendships on Facebook and trust in the Epinions network are examples of these relationships. Most social media research has often focused on positive interpersonal relationships, such as friendships. However, in many real-world applications, there are also networks of negative relationships whose communication between users is either distrustful or hostile in nature. Such networks are called signed networks. In this work, sign prediction is made based on existing links between nodes. However, in real signed networks, links between nodes are usually sparse and sometimes absent. Therefore, existing methods are not appropriate to address the challenges of accurate sign prediction. To address the sparsity problem, this work aims to propose a method to predict the sign of positive and negative links based on clustering and collaborative filtering methods. Network clustering is done in such a way that the number of negative links between the clusters and the number of positive links within the clusters are as large as possible. As a result, the clusters are as close as possible to social balance. The main contribution of this work is using clustering and collaborative filtering methods, as well as proposing a new similarity criterion, to overcome the data sparseness problem and predict the unknown sign of links. Evaluations on the Epinions network have shown that the prediction accuracy of the proposed method has improved by 8% compared to previous studies.

     

多维社会网络中链路预测方法研究

多维社会网络中链路预测是指通过已知的网络节点以及多维社会网络结构等信息预测多维社会网络中尚未产生连边的两个节点之间产生链接的可能性.在研究有关链路预测的相关技术后,基于节点之间的相似性,提出了一种多维社会网络中的链路预测算法.算法中考虑时间因素和权重因素对于链路预测的影响,同时将多维网络中的相关技术应用到链路预测的过程...     

A self-processing network model for relational databases

In this paper, a model which combines relational databases with self-processing networks is proposed in order to improve the performance of very large databases. The proposed model uses an approach which is radically different from all other distributed database models, where each computer processes a portion of the database. In the self-processing network model, the network structure which consists of nodes and connections, captures the data and the relationships by assigning them unique, connected control, and data nodes. The network activity is the mechanism that performs the relational algebra operations. No data transmission is needed, and since data nodes are common to all the relations, integrity and elimination of data redundancy are achieved. An extension of the model, by interconnecting the data nodes via weighted links, provides us with properties that are embedded in neural networks, such as fuzziness and learning.     

基于MRLT模型多关系社交网络影响力最大化研究

社交网络影响力最大化问题是基于特定的传播模型,在网络中寻找一组初始传播节点集合,通过其产生最终传播影响范围最大的一种最优化问题。已有的相关研究大多只是针对单关系社交网络,即在社交网络中只存在一种关系。但在现实中,社交网络的用户之间往往存在着多种关系,并且这多种关系共同影响着网络信息传播及其最终影响范围。在线性阈值模型的基础上,结合网络节点间存在的多种关系,提出MRLT传播模型来建模节点间的影响力传播过程,在此基础上提出基于反向可达集的MR-RRset算法,解决了传统影响力最大化问题研究过程中由于使用贪心算法所导致的计算性能较低的问题。最后通过在真实数据集上的实验对比,表明所提方法具有更好的影响力传播范围及较大的计算性能提升。     

基于DeepLink的社交网络去匿名方法

现有的社交网络去匿名方法主要是基于网络结构,对网络结构进行学习与表示是去匿名的关键。用户身份链接(user identity linkage)的目的是检测来自不同社交网络平台的同一个用户。基于深度学习的跨社交网络用户对齐技术,很好地学习了不同社交网络的结构特征,实现了跨社交网络的用户对齐。将该技术用于同一社交网络匿名用户识别,实验结果优于传统去匿名方法。     

Investigating social network patterns within an empathic online community for older people

In this paper, we study the social network structure of an online discussion board within SeniorNet, an empathic online community for older people. We apply Social Network Analysis (SNA) to analyse the communication patterns and relationships between members of the discussion board. In addition to looking at the structure of the exchanged messages within the discussion board as a whole, we also investigate associations between the communication content and the social network patterns. Our findings show distinct differences between the social network patterns of empathic and non-empathic communications. For example, members are more connected and closer to each other in the social networks that are based on empathic communication compared to non-empathic communication. Additionally our results show that the type of empathic communication (e.g. different kinds of support) is linked to the social network structure within the discussion board.