隨著Web2.0技術(shù)的迅速發(fā)展,人們的生活方式發(fā)生了很大的變化�，F(xiàn)實(shí)社會(huì)中的人與人之間的關(guān)系在互聯(lián)網(wǎng)上又有了新的延伸,人們通過(guò)互聯(lián)網(wǎng)進(jìn)行著各種各樣的交互,從而促進(jìn)了社交網(wǎng)絡(luò)的蓬勃發(fā)展。近年來(lái),一些典型的社交網(wǎng)絡(luò)服務(wù)平臺(tái),如Facebook,維基百科,新浪微博等,其用戶數(shù)量得到了較快的增長(zhǎng)。在社交網(wǎng)絡(luò)中,用戶是網(wǎng)絡(luò)的核心和主體,用戶之間通過(guò)鏈接關(guān)系形成了社交網(wǎng)絡(luò)的基本結(jié)構(gòu)。通過(guò)這種結(jié)構(gòu),社交網(wǎng)絡(luò)上的用戶在共同目標(biāo)或興趣的驅(qū)動(dòng)下,進(jìn)行著各式各樣信息的傳遞與共享。在現(xiàn)實(shí)世界中,人們的活動(dòng)往往表現(xiàn)出明顯的群體特性,如家庭群體,朋友群體等等。在網(wǎng)絡(luò)社會(huì)中,用戶之間的交互同樣也表現(xiàn)出明顯的群體特性,也稱為網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)特性,即一些用戶之間的交互較為緊密,另一些用戶之間的交互則較為稀疏,這些交互緊密的用戶便形成了網(wǎng)絡(luò)上的社區(qū)。同時(shí),網(wǎng)絡(luò)社會(huì)所呈現(xiàn)出的群體聚集效應(yīng)使得現(xiàn)實(shí)社會(huì)中的眾多事件、活動(dòng)的產(chǎn)生和發(fā)展變得更加容易。比如,恐怖組織和極端組織等通過(guò)社交網(wǎng)絡(luò)進(jìn)行恐怖活動(dòng)的組織和發(fā)動(dòng),從而極大的危害了國(guó)家的安全和社會(huì)的穩(wěn)定。另外,群體聚集效應(yīng)的形成也離不開網(wǎng)絡(luò)中的一些信息傳播關(guān)鍵個(gè)體,這些個(gè)體在網(wǎng)絡(luò)群體中往往具有較高的影響力水平,從而促進(jìn)了群體的形成及其聚集的速度。通過(guò)對(duì)這些關(guān)鍵個(gè)體的識(shí)別,可以有效地對(duì)信息傳播的進(jìn)程予以控制,避免不良事件的發(fā)生。因此,開展社交網(wǎng)絡(luò)中群體發(fā)現(xiàn)技術(shù)以及關(guān)鍵個(gè)體識(shí)別技術(shù)的研究,對(duì)于維護(hù)社會(huì)的穩(wěn)定,抑制不良信息的傳播和鞏固國(guó)家的安全穩(wěn)定,具有重要的理論意義和現(xiàn)實(shí)意義。目前,研究者可以從多個(gè)不同角度對(duì)社交網(wǎng)絡(luò)的相關(guān)特性進(jìn)行分析和研究,但對(duì)其結(jié)構(gòu)特性的分析是其它分析方法的基礎(chǔ)。社交網(wǎng)絡(luò)中的各個(gè)個(gè)體都是基于個(gè)體間的鏈接關(guān)系進(jìn)行著信息的交互與傳遞,其結(jié)構(gòu)關(guān)系的變化直接影響著信息傳遞的廣度與深度。因此,本文從社交網(wǎng)絡(luò)結(jié)構(gòu)特性的角度出發(fā),分別就群體發(fā)現(xiàn)技術(shù)和信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別技術(shù)進(jìn)行了相關(guān)研究。本文的主要貢獻(xiàn)具體可以概括為以下四個(gè)方面:(1)在靜態(tài)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方面,針對(duì)當(dāng)前基于優(yōu)化的社區(qū)發(fā)現(xiàn)技術(shù)所存在的準(zhǔn)確性不高的問(wèn)題,提出了一種基于群體智能策略的果蠅優(yōu)化社區(qū)發(fā)現(xiàn)方法。相對(duì)于傳統(tǒng)的基于生物進(jìn)化或群體智能策略的社區(qū)發(fā)現(xiàn)方法,基于果蠅優(yōu)化的社區(qū)發(fā)現(xiàn)方法具有人為設(shè)置參數(shù)較少,計(jì)算過(guò)程簡(jiǎn)單,易于理解等優(yōu)點(diǎn)。然而,單純的果蠅優(yōu)化社區(qū)發(fā)現(xiàn)方法在尋找最優(yōu)社區(qū)劃分的過(guò)程中,容易陷入局部極值,全局搜索能力偏弱。針對(duì)這一不足,本文通過(guò)采用局部爬山搜索來(lái)增強(qiáng)算法的局部搜索能力,采用多種群策略來(lái)增強(qiáng)算法的全局搜索能力。通過(guò)在四個(gè)真實(shí)網(wǎng)絡(luò)和人工網(wǎng)絡(luò)上的實(shí)驗(yàn)研究和分析,表明了該方法在解空間上具有良好的全局搜索能力和局部搜索能力,從而使得最終的社區(qū)劃分結(jié)果具有較高的準(zhǔn)確性。(2)在靜態(tài)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方面,針對(duì)當(dāng)前大多數(shù)社區(qū)發(fā)現(xiàn)方法需要獲取網(wǎng)絡(luò)的全局結(jié)構(gòu)信息,從而具有較高時(shí)間復(fù)雜度,難以適應(yīng)較大規(guī)模社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的問(wèn)題,本文在定義了一種新的節(jié)點(diǎn)影響力評(píng)估方法(LH-index)的基礎(chǔ)上,根據(jù)網(wǎng)絡(luò)的核心—邊緣結(jié)構(gòu)特性,提出了一種基于節(jié)點(diǎn)LH-index影響力傳播的社區(qū)發(fā)現(xiàn)方法。該方法通過(guò)節(jié)點(diǎn)的LH-index值的大小來(lái)判斷節(jié)點(diǎn)的影響力水平并對(duì)其進(jìn)行排序,然后根據(jù)該順序進(jìn)行節(jié)點(diǎn)影響力的標(biāo)簽傳播,從而克服了傳統(tǒng)標(biāo)簽傳播社區(qū)發(fā)現(xiàn)算法中的兩個(gè)隨機(jī)性問(wèn)題(初始節(jié)點(diǎn)選擇的隨機(jī)性和標(biāo)簽更新策略的隨機(jī)性)所導(dǎo)致的社區(qū)劃分結(jié)果的不穩(wěn)定性。通過(guò)在真實(shí)網(wǎng)絡(luò)和人工合成網(wǎng)絡(luò)上的實(shí)驗(yàn)研究和分析,表明了該方法不但具有較低的時(shí)間復(fù)雜度,而且能夠較好的發(fā)現(xiàn)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)特征,并且發(fā)現(xiàn)的社區(qū)劃分結(jié)果較為穩(wěn)定。(3)在動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方面,針對(duì)當(dāng)前大多數(shù)動(dòng)態(tài)社區(qū)發(fā)現(xiàn)方法不能同時(shí)發(fā)現(xiàn)動(dòng)態(tài)網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)的層次性和重疊性(層疊性)問(wèn)題,以及忽略了節(jié)點(diǎn)之間交互強(qiáng)度的變化對(duì)節(jié)點(diǎn)社區(qū)歸屬的影響,本文以網(wǎng)絡(luò)中的邊為研究對(duì)象,提出了一種基于動(dòng)態(tài)加權(quán)網(wǎng)絡(luò)的層疊社區(qū)發(fā)現(xiàn)方法。該方法不僅可以揭示出動(dòng)態(tài)變化網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu),而且能夠檢測(cè)出網(wǎng)絡(luò)中的重疊社區(qū)。同時(shí),該方法還能夠通過(guò)調(diào)整一個(gè)參數(shù)獲得邊社區(qū)的層次結(jié)構(gòu)。該方法的基本思想是基于加權(quán)邊聚類系數(shù)以及加權(quán)邊分區(qū)密度,從而可以確定種子邊的選擇和初始邊社區(qū)的構(gòu)建,擴(kuò)展以及合并。通過(guò)在人工網(wǎng)絡(luò)和真實(shí)世界網(wǎng)絡(luò)上實(shí)驗(yàn)研究和分析,表明了該方法可以有效地檢測(cè)出動(dòng)態(tài)加權(quán)網(wǎng)絡(luò)中的層疊社區(qū)結(jié)構(gòu)。(4)在信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別方面,針對(duì)當(dāng)前大多數(shù)方法在評(píng)估節(jié)點(diǎn)影響力水平方面,所得的節(jié)點(diǎn)理論影響力水平(該評(píng)估方法所得的計(jì)算值)與其實(shí)際影響力水平(該節(jié)點(diǎn)作為信息傳播源,利用信息傳播模型計(jì)算其最終所感染網(wǎng)絡(luò)中節(jié)點(diǎn)的實(shí)際數(shù)目)存在較大差異的問(wèn)題,提出了一種基于局部h-index(LH-index)的信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別方法。H-index作為一種新近提出的節(jié)點(diǎn)影響力度量方法,在評(píng)估節(jié)點(diǎn)的實(shí)際影響力水平方面,優(yōu)于傳統(tǒng)方法,且具有準(zhǔn)確性較高,對(duì)節(jié)點(diǎn)度數(shù)值微小變化不敏感,只需要網(wǎng)絡(luò)局部信息等優(yōu)點(diǎn)。然而,h-index方法在識(shí)別信息傳播關(guān)鍵節(jié)點(diǎn)時(shí),存在分辨率限制的問(wèn)題。針對(duì)h-index方法的這一不足,本文在考慮了一個(gè)節(jié)點(diǎn)h-index值的基礎(chǔ)上,同時(shí)考慮了與該節(jié)點(diǎn)相鄰的鄰居節(jié)點(diǎn)的h-index值的大小,從而提出了一種基于LH-index的信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別方法。該方法的基本思想在于一個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)中具有較高影響力的節(jié)點(diǎn)數(shù)目越多,該節(jié)點(diǎn)影響力水平就越強(qiáng)。通過(guò)在四個(gè)真實(shí)網(wǎng)絡(luò)和兩種網(wǎng)絡(luò)模型所生成的人工模擬網(wǎng)絡(luò)上的實(shí)驗(yàn)研究和分析,表明了LH-index方法在識(shí)別信息傳播關(guān)鍵節(jié)點(diǎn)上的有效性。同時(shí),針對(duì)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)對(duì)節(jié)點(diǎn)的信息傳播能力存在一定影響的特性,在前述LH-index方法的基礎(chǔ)上,考慮了網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)特性對(duì)信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別技術(shù)的影響,提出了一種基于網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)的信息傳播關(guān)鍵節(jié)點(diǎn)識(shí)別方法。通過(guò)在真實(shí)網(wǎng)絡(luò)上的實(shí)驗(yàn)研究與分析,表明了該方法能夠?qū)哂猩鐓^(qū)結(jié)構(gòu)網(wǎng)絡(luò)上的信息傳播關(guān)鍵節(jié)點(diǎn)進(jìn)行有效的識(shí)別。
【學(xué)位單位】：國(guó)防科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP393.09
【部分圖文】：

圖 1.1 所示。關(guān)系結(jié)構(gòu)是個(gè)體之間通過(guò)交互關(guān)兩個(gè)要素：個(gè)體以及個(gè)體之間的交互關(guān)系。互關(guān)系則稱為邊。社交網(wǎng)絡(luò)的關(guān)系結(jié)構(gòu)是研，這是因?yàn)樗蔷W(wǎng)絡(luò)群體形成和網(wǎng)絡(luò)信息傳具有相似觀點(diǎn)，行為等因素聯(lián)系在一起的個(gè)和群體之間的網(wǎng)絡(luò)信息傳播活動(dòng)。也就是說(shuō)。例如，發(fā)生在 2016 年 4 月的 魏則西事件及國(guó)內(nèi)主流媒體對(duì)該事件的持續(xù)報(bào)道引發(fā)了對(duì)醫(yī)療亂象這一關(guān)系民生問(wèn)題的持續(xù)熱議[4]。構(gòu)的演化[2]。例如，在上述例子中，隨著該事戶參與進(jìn)來(lái)，導(dǎo)致了有關(guān)該話題的微博用戶社交網(wǎng)絡(luò)中，網(wǎng)絡(luò)信息是個(gè)體與個(gè)體之間，群互聯(lián)系與相互作用的一種表現(xiàn)形式[2]。網(wǎng)絡(luò)信是社交網(wǎng)絡(luò)的客體，對(duì)網(wǎng)絡(luò)中的個(gè)體和群體會(huì)導(dǎo)致網(wǎng)絡(luò)的關(guān)系結(jié)構(gòu)發(fā)生變化。

圖 1.2 2016 年美國(guó)總統(tǒng)大選期間 Twitter 上兩位候選人的支持者所形成的兩大社區(qū)[8]在社交網(wǎng)絡(luò)中，網(wǎng)絡(luò)信息最先是通過(guò)網(wǎng)絡(luò)群體中的個(gè)體進(jìn)行傳播的，進(jìn)而能夠影響網(wǎng)絡(luò)中其它個(gè)體和群體的觀點(diǎn)及其行為[11, 12]。例如，Bond 等在《Nature》上發(fā)文[13]，對(duì) 2010 年美國(guó)國(guó)會(huì)選舉的政治動(dòng)員消息在 6100 萬(wàn)的 Facebook 用戶之

具有社區(qū)結(jié)構(gòu)特性的不同類型網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

本文編號(hào)：2838460