基于多维特征分析的移动社会网络消息传输

基于延迟容忍特征,移动社会网络采用“存储—运载—转发”模式在节点之间进行消息传输.如何选定合适的中继节点进行消息的高效传输是当前研究中备受关注的热点问题.从不同的角度对网络中的多维社会特征展开分析.首先,根据节点间的交互关系,确定节点间社会关系模型;其次,依据网络拓扑给出了邻居集合和本地社区的定义,提出了一种移动社会网络的本地社区划分方法,进而建立了节点间的社区关系;然后,基于节点间的行为特征给出了节点活跃度定义,通过PageRank算法获得节点的多维属性特征PR值,并利用PR值给出节点间传输值,从而获得节点的不同传输效用值.在此基础之上,综合考虑节点社区关系和节点的不同传输效用值,设计并实现了移动社会网络的消息传输算法.实验表明,算法在传输成功率、传输冗余率、平均延时等多个方面具有优势.     

基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.