基于图神经网络的网络性能智能预测

传统网络性能预测技术存在网络状态获取不够全面及网络性能评估准确性欠佳等问题，利用图神经网络学习推理网络关系数据的特点，结合捕获的网络全局信息，提出了一种基于图神经网络的网络性能智能预测方法。通过网络系统抽象及网络性能建模，将复杂的网络信息转化为形式化的图数据进行描述，利用图空域卷积处理图网络节点的消息传递过程，实现网络信息之间的关系推理，研究了实现网络性能预测的图神经网络模型，提出了一种能处理流量矩阵、网络拓扑、路由策略、节点配置的图神经网络体系结构，最后通过实验论证了模型能更好地实现包括时延、抖动和丢包率的网络性能的准确预测。     

电商平台产品共同购买网络的影响因素研究

共同购买网络的推荐系统应用越加广泛，仅基于网络内生结构变量研究其共同购买链接的经济意义已有局限，故加入网络口碑这一外生变量，进行更全面的分析。采用了社会网络方法中指数随机图模型进行建模，主要围绕产品销售量、产品入度、差评率和评论数4个方面因素，探究其对共同购买网络中共同购买链接形成的影响。结果显示，销售量、产品入度和评论数对共同购买链接形成的影响呈正比关系，而差评率则会显著地降低产品共同购买的几率。该指数随机图构建出的共同购买网络为在线电商平台管理网络口碑和推荐系统优化设计提供有益参考。     

基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。     

面向异质信息网络的表示学习方法研究综述

网络表示学习旨在为网络中的组件(节点、边、子网络等)学习出低维的表征向量,使得这些向量能够在最大程度上保留组件在原网络中的特性。异质信息网络是由多种类型的节点、链接关系以及属性信息组成的网络,具有动态性、大规模和异质性等特点,在现实生活中普遍存在。融合多种异质信息进行网络表示学习,能在一定程度上解决数据稀疏问题,同时有助于训练出具有高区别力和推理能力的表征向量。但与此同时,也面临着如何有效处理复杂数据关系以及平衡异质信息的挑战。近年来,研究者们针对异质信息网络设计了不同的表示学习算法,在很大程度上推动了该领域的发展。针对这些算法,首先设计一个统一的分类框架,接着对各类别下的代表性算法进行概括介绍和比较,分析它们的时间复杂度和优缺点。此外,分类汇总了实验中的常用数据集。最后给出了该领域的挑战和未来可能的研究方向。     

基于社会网络分析的不锈钢钢筋研究核心与要点的识别

近年来,对不锈钢钢筋的研究不断深入。但从事不锈钢钢筋研究的人员受自身研究内容与知识储备量的限制,很难从整体的角度对不锈钢钢筋研究现状进行分析。社会网络分析可以基于关键词共现构建文献科学关系图谱,从相关研究内容的关系的角度出发,对文献进行总体研究。据此,论文基于社会网络分析,以1518篇主题为不锈钢钢筋的SCI文献为例,构建了不锈钢钢筋研究网络模型与创新合作网络模型,从而对现有不锈钢钢筋的研究内容与作者间合作关系进行了研究。     

关键路径法：确定项目的工期及活动的时差

为什么使用关键路径法 关键路径法(critical path method,CPM)是一种网络分析技术,它在项目网络图的基础上,从规定的开始日期开始,利用从左到右的正向推导法计算出网络图中每个活动的最早开始和最早结束日期,再从规定的完成日期(通常是正向计算得到的最早完成日期)开始,利用从右到左的逆向推导法计算出网络图中每个活动的最晚结束和最晚开始日期,然后比较网络图中每个活动的最早开始、最早结束和最晚开始、最晚结束日期,确定各个活动的时差情况,如果某条线路上所有活动的时差都为零,该条路径即为关键路径,而时差不为零的路径称为非关键路径.     

公共文化类PPP项目风险传染研究 ——以柳州市柳东新区文化广场项目为例

基于社会网络分析(Social Network Analysis,SNA)方法,建立公共文化类PPP项目风险传染网络模型,探究公共文化类PPP项目中政府方和社会资本方需承担的风险以及风险间的相关关系。然后通过问卷调研,量化风险间关系强度,经网络指标计算揭示出传染模型中关键风险要素及其在网络的角色,并据此提出三项核心的风险传染防范措施。     

面向社交网络分析的差分隐私保护研究综述

阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边权重计算等社交网络分析技术的实验结果。分析发现,研究差分隐私保护应重点考虑隐私预算和噪声机制,隐私预算决定了隐私保护强度,噪声机制决定了查询准确性;探讨差分隐私保护在社交网络领域的应用,是一个重要的研究方向。