网络社区中的意见领袖特征分析

本文通过社会网络分析方法识别网络社区中的意见领袖.首先对意见领袖存在的人际关系网络结构特征进行分析,对比论坛、博客和问答网络之间的区别,提出基于无向、有权重网络模型更能真实准确地识别意见领袖.并基于该网络模型研究和分析了网络论坛结构特征,通过测量其小世界和无标度的复杂网络特征,定量分析意见领袖存在的社会性根源.其次提出...     

具有社区结构的无标度网络生成算法

近年来,生成图模型在复杂网络研究中的作用越来越重要。图的生成过程对于研究疾病的蔓延和信息的传播具有重大意义,同时图模型的生成也有助于更深入地研究复杂网络的特性。为了能够生成既符合真实网络特征又具有结构多样性的复杂网络,提出了一种具有社区结构的可调节聚集系数和模块性的无标度网络生成算法——TCMSN(Scale Free Network with Tunable Clustering Coefficient and Modularity)。通过调节混合参数可以调节生成网络的模块性,通过调节社区内连边的概率和混合参数可以对网络聚集系数进行调节。TCMSN采用了合理的连边策略,在不破坏网络结构多样性的情况下,能尽可能维持网络的无标度特性。人工构造数据和真实网络数据的对比实验结果表明,TCMSN算法能够生成可调节聚集系数和模块性的无标度网络模型,且能够生成最接近真实网络社区结构特征的网络模型。     

HIV传播的动态混合无标度网络生成算法

研究人类免疫缺陷病毒(HIV)的传播机理,提出一种HIV传播中基于配置模型的动态混合无标度网络生成算法。根据HIV在男性和男性、男性和女性之间的传播规律分别构造同性和异性无标度网络,将其放在同一系统中形成混合传播网络,并添加网络的动态变化特性,以反映真实社会网络的演化过程。基于配置模型的复杂网络生成算法可快速、灵活和鲁棒地生成给定网络尺寸和幂律度分布指数的复杂网络,而且网络中的边可断开和重连,弥补了经典 BA 模型的不足。仿真结果表明,该算法能正确、有效地反映HIV混合传播网络的特性。     

基于多标度曲线的股市网络构造及其社区挖掘

针对股票市场的复杂网络建模问题,提出使用不同阶数下的标度曲线(多标度曲线),测度沪深300指标股之间的加权多重分形特征相似性,并据此构造网络,研究网络的拓扑性质。在此基础上采用快速 Newman, Girvan-Newman,Louvain等经典算法挖掘网络社区结构,利用最大模块度确定最优相似性门限值,通过投资组合MV模型验证方法的有效性。实验结果表明,多标度曲线网络具有无标度、小世界和富人俱乐部性质,使用不同算法挖掘其社区结构可得到最优的划分效果。基于该网络社区结构构造的投资组合可有效降低风险。     

基于BA模型的微博谣言传播机理研究

基于BA无标度网络模型,融合微博用户网络的特征,构造一种微博谣言传播网络模型。提出一种新的SIR(susceptible-infected-removed)模型,通过数值仿真探讨微博谣言的传播动力学行为。研究表明,当微博用户规模以及节点间新建连接数量不断增大时,微博谣言的最终感染程度显著增大,网络的传播临界值却大幅降低。研究还发现,拥有较大吸引度的节点比例以及微博用户之间添加反向关注的概率基本不影响谣言的传播特性。     

基于移动模型的VANETs网络动态拓扑特征研究

采用复杂网络理论研究VAENTs网络动态拓扑结构特性,以基于车辆换道功能的智能驾驶移动模型为 基础,应用VanetMobiSim仿真软件建立了车辆交通网络,详细分析了VAENTs网络瞬时拓扑特征及平均度、聚类系数和调和平均最短路径长度等复杂统计参数随时间的变化特征。通过仿真实验发现VAENTs网络动态拓扑不具有无标度属性,只在特定条件下,才呈现小世界网络的特征。     

基于结构的社会网络分析

互联网的发展和社交网站的流行为研究社会网络提供了大规模的实验平台.主要使用DBLP和Facebook数据集构建网络,采取角色连接轮廓方法从结构上进行划分,发现它们属于外围串类型;验证了社会网络的一些统计性质,比如无标度分布、稠化定律和直径缩减等;发现社会网络中存在紧密连接且直径较小的核心结构,规模中等的社区主要呈现星型结构;基于事件框架研究了社会网络中社区结构的进化,发现社区间的融合很大程度上取决于社区间直接连接的节点所构成网络的聚类系数,而社区的分裂则与该社区的聚类系数相关.     

一种基于无标度局域世界演化网络模型的 无线传感器网络拓扑构建

无标度网络具有场景适应性强,且应对随机性打击效果较好等特点.为提高无线传感器网络的抗毁性能,从网络拓扑演化角度入手,构建具有无标度特性的网络拓扑.结合无线传感器网络中每个节点都有其通讯范围的特点,将无标度网络引入到无线传感器网络,且在择优演化过程中,各节点度不得超过设定值,构建基于无标度局域世界演化网络模型的无线传感器网络拓扑,并对模型进行仿真.从结果可明显看出,优化的模型中连边较短,即优化的模型平均最短路径降低,可有效减少数据收发过程中能量的消耗,延长网络生存周期,提高网络抗毁性.     

面向Web网页的区域用户行为实证研究

用户对Web网页的访问是由用户需求行为确定的一个随着时间演化的复杂双模式二分网络.通过对网站聚类生成的二分网络的实证研究表明,其入度分布呈现出典型的无标度特征和集聚现象,幂指数介于1.7到1.8之间.将这种双模式二分网络映射为两种含权单模式网络:用户群体兴趣广义关联网络和网站资源广义关联网络,从而深入研究用户群体行为的关联性和从用户行为角度网站资源的关联性.实证分析其统计特性表明,两者的边权分布是幂律的,网络节点关联紧密且呈现簇聚特征.用户行为的无标度特征和集聚特点对优化Internet网络拓扑结构,改善其网络性能具有重要意义.     

无标度企业组织网络特征及其演化模型

本文讨论了一种特别的企业组织网络—无标度企业组织网络及其特征,并基于复杂网络理论提出了无标度企业组织网络的演化模型。该演化模型基于二种演化机制:第一种是考虑企业组织网络的初始结构—全连通结构和星形连接结构;第二种是基于局域信息的优势连接。计算机仿真结果显示:在全局择优连接下,无论企业组织网络的初始结构如何,企业组织网络都将演化无标度网络;局域择优连接仍然可能形成无标度企业组织网络。     

Behavior‐Based Propagation of Trust in Social Networks with Restricted and Anonymous Participation

Increasing interactions and engagements in social networks through monetary and material incentives is not always feasible. Some social networks, specifically those that are built on the basis of fairness, cannot incentivize members using tangible things and thus require an intangible way to do so. In such networks, a personalized recommender could provide an incentive for members to interact with other members in the community. Behavior‐based trust models that generally compute social trust values using the interactions of a member with other members in the community have proven to be good for this. These models, however, largely ignore the interactions of those members with whom a member has interacted, referred to as “friendship effects.” Results from social studies and behavioral science show that friends have a significant influence on the behavior of the members in the community. Following the famous Spanish proverb on friendship “Tell Me Your Friends and I Will Tell You Who You Are,” we extend our behavior‐based trust model by incorporating the “friendship effect” with the aim of improving the accuracy of the recommender system. In this article, we describe a trust propagation model based on associations that combines the behavior of both individual members and their friends. The propagation of trust in our model depends on three key factors: the density of interactions, the degree of separation, and the decay of friendship effect. We evaluate our model using a real data set and make observations on what happens in a social network with and without trust propagation to understand the expected impact of trust propagation on the ranking of the members in the recommended list. We present the model and the results of its evaluation. This work is in the context of moderated networks for which participation is by invitation only and in which members are anonymous and do not know each other outside the community. Copyright © 2014 John Wiley & Sons, Ltd.     

Discovering social structures of local influence by using tweetStimuli

Information diffusion in large-scale networks has been studied to identify the users influence. The influence has been targeted as a key feature either to reach large populations or influencing public opinion. Through the use of micro-blogs, such as Twitter, global influencers have been identified and ranked based on message propagation (retweets). In this paper, a new application is presented, which allows to find first and classify then the local influence on Twitter: who have influenced you and who have been influenced by you. Until now, social structures of tweets’ original authors that have been either retweeted or marked as favourites are unobservable. Throughout this application, these structures can be discovered and they reveal the existence of communities formed by users of similar profile (that are connected among them) interrelated with other similar profile users’ communities.     

社交网络取证初探

社交网络是人类借用计算技术和信息技术进行信息交流、建立人际交互关系等社会活动的一种新型工具,已成为社会计算中研究社会软件的核心课题之一。社交网页取证旨在对用户信息进行证据获取、固定、分析和展示,提供直接、有效、客观、公正的第三方依据。在互联网飞速发展的背景下,社交网页取证面临着用户信息多样、内容动态(实时)变化、海量、交互和图片内容是否可信的挑战,已成为社交网络和社会计算中舆情分析、情感计算、社交网络关系的内容分析以及个人、群体和社会性行为分析的一个重要难题。针对社交网页取证问题,以新浪微博为例,设计了一套取证解决方案,对用户发表的信息、人脸图片、位置信息进行固定,依靠网页取证方法来认证信息的可信性。同时,利用信息可视化展示手段和辅助分析来应对在海量社交网页数据背景下的计算机取证工作。     

Experiments of Trust Prediction in Social Networks by Artificial Neural Networks

Social network online services are growing at an exponential pace, both in quantity of users and diversity of services; thus, the evaluation of trust in the interaction among users and toward the system is a central issue from the user point of view. Trust can be grounded in past direct experience or in the indirect information provided by trusted third-party users shaping the trustee reputation. When there is no previous history of interactions, the truster must resort to some form of prediction in order to establish Trust or Distrust on a potential trustee. In this study, we deal with the prediction of trust relationships on the basis of reputation information. Trust can be positive or negative (Distrust), hence, we have a two-class problem. Feature vectors for the classification have binary-valued components. Artificial neural network and statistical classifiers provide state-of-the-art results with these features on a benchmarking trust database. In this article, we propose the application of a sample generation method for the minority class in order to reduce some of the effect of class imbalance among Trust and Distrust classes. Specifically, the approach shows high resiliency to system growth.     

移动社交网中基于兴趣社区的消息传输方案

节点对路由消息的存储-携带-转发是移动社交网中的一种短距离通讯方式,传输性能是影响用户交互体验的关键因素,如果用户能够根据彼此间的兴趣或社区来进行消息传输,则可提高传输性能。目前,针对移动社交网中的短距离通讯,已有的研究主要是基于兴趣或者基于社区的传输方式。为了使用户得到更好的交互体验,将用户兴趣与社区相结合,提出基于兴趣社区的消息传输方案InComT(Interest Community based Transmission)。对移动社交网中单个节点的兴趣进行度量,根据得出的节点兴趣值进行社区划分,从而确定社区整体的兴趣值,并根据兴趣值来选择中继社区和中继节点,实现消息的传输。仿真结果表明,该策略在传输负载率和平均延时较低的情况下能够拥有较高的传输成功率。     

Social Learning in Networks with Time‐Varying Topologies

Recently, Jadbabaie et al. presented a social learning model, where agents update beliefs by combining Bayesian posterior beliefs based on personal observations and weighted averages of the beliefs of neighbors. For a network with a fixed topology, they provided sufficient conditions for all of the agents in the network to learn the true state almost surely. In this paper, we extend the model to networks with time‐varying topologies. Under certain assumptions on weights and connectivity, we prove that agents eventually have correct forecasts for upcoming signals and all the beliefs of agents reach a consensus. In addition, if there is no state that is observationally equivalent to the true state from the point of view of all agents, we show that the consensus belief of agents eventually reflects the true state.     

基于LDA模型的社交网络主题社区挖掘

以微博为代表的社交网络已成为社会舆情的战略要地。对于社交网络中隐含主题社区的发掘,具有较高的商业推广和舆情监控价值。近年来,概率生成主题模型LDA(Latent Dirichlet Allocation)在数据挖掘领域得到了广泛应用。但是,一般而言,LDA适用于处理文本、数字信号数据,并不能合理地用来处理社交网络用户的关系数据。对LDA进行修改,提出适用于处理用户关系数据的Tri-LDA模型,挖掘社交网络中的主题社区。实验结果表明,基于Tri-LDA模型,进行机器学习所得到的结果基本能够反映社交网络上真实的主题社区分布情况。     

社会网络中信息传播与安全研究的现状和发展趋势

社会网络新媒体在日常沟通、商业运作、政治斗争以及外交等方面发挥越来越重要的作用,对社会网络的研究也引发了广泛关注。文章通过对最近几年国际重要期刊和会议上社会网络方面发表的文章进行统计分析,发现了社会网络近三年的研究热点,即主要集中在社会网络的信息传播以及安全问题的研究。信息传播方面包括对信息传播模型、影响因素、影响力最大化和预测感知的研究;安全问题方面包括对用户安全和信息安全的研究,用户安全研究中包括僵尸用户识别和级联失效研究,信息安全研究包括源头追溯和网络控制问题研究。文章对上述各方面的最新成果进行了分析、概括和讨论,分析了面临的问题、挑战和机遇,探索了新的研究点和未来的发展方向,为广大研究者提供一些参考和借鉴。     

社交网络中具有社会加强效应和遗忘机制的信息传播

社交网络中信息传播受社会加强效应的影响,用户通常无法在短时间内收到信息,而长时间没有收到信息,用户会因为遗忘而导致信息传播的概率降低.因此,信息传播在受到社会加强效应影响期间,也通常会受到遗忘机制的影响.同时,将社会加强效应影响后的信息传播概率作为遗忘机制的初值,对SEIR模型进行改进,重新定义SEIR模型节点状态转移.仿真结果表明,接收信息的时间间隔越长,信息的传播速率越慢,考虑社会加强效应期间遗忘机制影响,信息的传播范围则会变小.