基于静态和动态的社会网络挖掘算法

基于社会网络的静态和动态特征, 研究社会网络中的社区发现问题. 针对静态社会网络, 提出了边的Ξ系数及紧密度阈值等概念和Detstructure算法; 针对社会网络的动态特性, 提出了基于衰减策略的融合挖掘算法. 所提出的两种算法在应用中都取得了较好的效果.     

RoleTracker:基于角色的社会网络演化分析方法

已有的用户角色研究中,不少学者定义了角色的数目和特征,对特定数据集取得了较好的效果,但存在的两个问题:1)通用性较差,若更换数据集必须重新分析;2)现实世界中用户行为和关系纷繁复杂,用户角色多种多样,难以通过人为的定义去描述和识别.因此,本文基于张量分解模型提出了一种用户角色发现算法,它不仅能自动设定角色数量,而且能反映角色在指定时间段的行为特征.进一步将用户角色延伸到社团角色,提出基于社团角色距离和节点重叠的社团演化分析方法.实验结果表明,识别出的用户角色其行为特征与实际情况吻合,提出的社团演化分析方法其效果也高于对比算法.     

基于Louvain重叠社区发现算法

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集American College Football对该算法与常用重叠社区发现算法CPM、LFM和COPRA进行实验对比,结果表明:增益度函数dq能判断重叠节点,且通过找到社会网络中的重叠节点发现重叠社区;该算法在重叠模块度EQ上比CPM、LFM和COPRA算法分别提高17.05%、12.81%和9.45%,在运算时间上比CPM算法、COPRA算法分别增加了12.62%、7.15%,比LFM算法减少了23.06%,表明在综合重叠模块度EQ与算法时间上,本文基于Louvain重叠社区发现算法都优于其他的算法。     

基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的,发现社区对于了解复杂网络的结构及其关系有很大的帮助,文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features,CANF)算法,利用标记节点频率和反示例节...     

基于结构和适应度的社区发现

复杂社会网络无处不在,对复杂社会网络进行社区发现越来越被人们重视.基于局部结构的社区发现可以在不用了解全局的情况下对某些节点进行划分;社会网络的社区适应度特性可以找出不同适应度下的社区结构.基于局部结构以及社区适应度的网络属性,提出一种新的社区发现算法.通过实验比较,算法能较好、较快的发现社区结构,在人工网络以及真实社会网络均取得较之已有方法更好的效果.     

动态社会网络中的社区挖掘算法研究

为解决社区挖掘问题,针对社会网络的动态特性,给出了新的社区定义,并结合连通性和频繁性概念提出一种新的算法DCSMA(Dynamic Community Structure Mining Algorithm)。挖掘时刻连通的个体集合作为社区,采用层状结构模型,根据重要性权重区分社区内个体,使社区结构更加清晰。在标准测试数据集上的实验结果表明了该算法的可行性和有效性。     

基于大规模复杂网络社区发现的科研合著网络分析

针对基于极大团的社区发现算法,设计了适应大规模数据的MapReduce并行计算框架,提出了基于大规模复杂网络社区发现的科研合著网络分析算法,并用于对我国管理科学与工程领域2012年科研合著网络进行社区结构划分。实验结果表明,基于MapReduce的并行社区发现算法可在保证正确性的同时有效提高计算效率,适用于大规模复杂网络的社区发现。针对我国管理科学与工程领域2012年科研合著网络的社区划分结果展现了我国管理科学与工程领域科研合作的特点和问题。     

异质网络社区发现方法研究综述

社区结构是复杂网络研究中的重要领域,也是复杂网络的重要特征之一,发现网络中的社区结构在理解网络功能方面起着重要作用。通过对国内外异质网络社区发现文献进行深入研究,较为全面地对现有异质网络社区发现算法进行了归纳总结。首先,通过对国内外异质网络社区发现文献进行归纳,给出异质网络社区发现的基本概述,明确异质网络社区发现领域相关问题的基本定义。其次,介绍了异质网络社区发现算法及主要评价指标,利用不同网络结构以及算法对现有方法进行分类概述。最后,对异质网络社区发现算法的发展趋势进行了总结与展望,提出未来可以将研究重点集中在以下几个方面:1)探索基于异质网络的社区发现评价标准,以推动该领域的快速发展;2)设计更加通用的算法模型,解决由先验知识引起的未知社区数量问题;3)开展更多关于动态网络的研究。     

一种基于介数和时效性的动态社区发现算法

为了发现动态变化的社区结构,在分析了动态社区划分算法的研究现状基础上,提出一种基于时效性和介数的动态社区发现算法,对历史信息的时效性进行了计算,建立了综合有权网络,基于局部边介数进行社区划分,发现了稳定社区结构。实验表明了算法的有效性。     

社会网络社区识别方法研究

随着Facebook、微信、人人网等社区网络的兴起,社会网络的研究受到越来越多研究人员的注意。社会网络的研究可以为舆论分析、传染病传播等提供技术和理论的支持。关注社会网络的热点问题,对社会网络分析、社会网络社区识别等国内外研究现状及基本技术进行分析,为开展相关研究奠定基础。     

面向大规模在线社交网络的社团抽取算法

针对现有的社团分析算法无法在大规模网络上应用的问题,提出一种社团抽取算法,可以高效地分析网络的社团特征.该方法无需事先获取网络的全部拓扑结构,采用网络搜索与社团判定相结合的思路,可有效地抽取结构未知的社交网络上的某个特定社团,从而使分析超大规模网络社团结构成为可能.在仿真数据集上进行实验,分析抽取准确率的影响因素,得出网络平均度越大抽取准确率越高.进一步实验结果表明,社团抽取算法的准确率与现有方法接近,并且执行效率明显高于现有方法,验证了该算法的可行性和有效性.     

基于k-邻域同构的动态社会网络隐私保护方法

社会网络数据分析蕴藏着巨大的经济利益,但是直接研究社会网络数据可能造成用户敏感信息泄漏,对个人隐私构成威胁.目前的隐私保护技术集中于研究单次数据发布,即静态网络中的隐私保护,然而社会网络数据动态发布需要动态的隐私保护方法.文中针对攻击者拥有在不同时刻的节点1-邻域子图作为背景知识的应用场景,提出了一种基于动态社会网络的隐私保护方法,该方法利用相邻时间片网络图之间的关联关系,依据信息变化增量确定邻域同构等价组中的基准节点,并通过对下三角矩阵操作来实现等价组中节点邻域子图匿名化的持久性.实验结果表明该模型能够有效地抵制邻域攻击,保护动态社会网络发布的用户数据隐私.     

社交网络环境下社区发现的文献计量研究--基于Web of Science

基于Web of Science中检索得到的文献数据,使用CiteSpace、SATI、UCINET等软件构建科学知识图谱,从国家及机构、关键文献、关键词及突现词等角度对社交网络环境下有关社区发现的研究现状、研究热点和研究前沿进行了文献计量分析。     

城镇化的社会影响--温州城镇化进程中的社会嬗变

城镇化是一项社会变革的巨大“工程”，它不仅对经济的发展，而且对社会变革的影响也是巨大和深刻的。本文以对温州的实证考察为例，来展开这一问题的讨论，以期对城镇化的社会影响做出全面的分析评价。     

西方社会政策研究的范式演进及新趋势

西方社会政策研究经历了三个历史发展阶段,每一个阶段都具有各自的范式特征。在社会发展的新的历史时期,西方社会政策研究正呈现出规范化、国际化、人本化和多元化的发展趋势。     

一种动态社交网络上的传播源点定位方法

在线社交网络的拓扑会随时间而发生改变,使得确定潜在的传播源点非常困难.为此,提出一种考虑网络动态变化的传播源点定位方法,通过对网络演化建模,推断传播拓扑,从而准确定位信息源点.首先采用基于双曲几何学的链接分析方法,推断网络在传播过程中的拓扑变化,然后基于传播拓扑进行源点定位.在实际网络及合成网络上进行了大规模的实验,结果证明了算法的可行性.