感知型社會(huì )信息網(wǎng)絡(luò )論文
1數據精準感知型社會(huì )信息網(wǎng)絡(luò )不完備多社會(huì )關(guān)系填補方法研究
在社會(huì )信息網(wǎng)絡(luò )中，許多節點(diǎn)之間的關(guān)系是未知的，從數據精準感知的角度來(lái)講，有必要對未知的、不完備的社會(huì )關(guān)系進(jìn)行補全。社會(huì )信息網(wǎng)絡(luò )不完備社會(huì )關(guān)系填補，實(shí)際上是一種基于給定的圖以及已知邊來(lái)預測未知邊的問(wèn)題。進(jìn)一步講，它可以轉化為傳統的機器學(xué)習問(wèn)題——矩陣補全(MatrixCompletion)。最常見(jiàn)的矩陣補全方法是矩陣分解。矩陣分解在矩陣缺失值較少的情況下非常有效，其重構矩陣能保留原始矩陣大部分信息，然而真實(shí)的社會(huì )信息網(wǎng)絡(luò )往往是一個(gè)稀疏矩陣，僅僅擬合少量值來(lái)分解大規模稀疏矩陣，容易引起“過(guò)擬合”問(wèn)題，進(jìn)而影響模型的泛化能力，對未知元素的預測能力減弱[2]。因此，我們需要另辟蹊徑，尋求大型稀疏矩陣填補新方法。為了消除稀疏矩陣結構約束，實(shí)現對任意類(lèi)型關(guān)系矩陣進(jìn)行填補，我們研究的重點(diǎn)是利用多源網(wǎng)絡(luò )知識的協(xié)同共享，發(fā)現相似知識間的潛在關(guān)聯(lián)，構建潛在關(guān)系矩陣，提高大型稀疏矩陣填補的性能。
2動(dòng)態(tài)核協(xié)同社會(huì )信息網(wǎng)絡(luò )群體關(guān)系融合方法研究
基于核協(xié)同挖掘的極大相似子關(guān)系具有動(dòng)態(tài)性及連續性，從聚類(lèi)的角度來(lái)講，處理動(dòng)態(tài)數據目前主要有兩種手段。一種忽略了數據隨時(shí)間的變化，在隨時(shí)間累積的整體數據上直接應用傳統聚類(lèi)方法。但是，在社會(huì )網(wǎng)絡(luò )演變過(guò)程中，突發(fā)事件的產(chǎn)生使得每一網(wǎng)絡(luò )快照上的聚類(lèi)是明顯的，因此整體聚類(lèi)結果可能是毫無(wú)意義的。另一種則忽略了不同時(shí)刻數據之間的關(guān)聯(lián)性而在每一個(gè)網(wǎng)絡(luò )快照上單獨應用傳統聚類(lèi)方法，這導致了不同時(shí)刻的聚類(lèi)結果相差甚遠。針對研究需要，我們的目標是設計具有普適性的在線(xiàn)式動(dòng)態(tài)群體關(guān)系融合算法，以聚類(lèi)結果精準為前提，實(shí)現時(shí)變條件下聚類(lèi)結果仍然能夠保持光滑性。
3多維協(xié)同感知型社會(huì )信息網(wǎng)絡(luò )演化分析
這部分的研究可以概括為演化特征分析、共棲屬性提取、協(xié)同演化分析三個(gè)層面。
具體地說(shuō)：
1)基于TimeLine的感知型社會(huì )信息網(wǎng)絡(luò )演化特征研究�；赥imeLine的感知型社會(huì )信息網(wǎng)絡(luò )演化特征研究的主要內容是對其時(shí)序特征進(jìn)行分析。因為社會(huì )信息網(wǎng)絡(luò )中存在著(zhù)多變性、瞬時(shí)性、Churn特性，因而從已有社會(huì )感知數據中獲取TimeLine的準確程度將直接影響時(shí)序特征的分析結果。抽取TimeLine的時(shí)序間隔過(guò)大、過(guò)小或過(guò)于平緩，都不能準確的反映出該時(shí)間區間所發(fā)生事件的明顯特征[3]。如圖1所示，TimeLine上有五個(gè)時(shí)序區間T1、T2、T3、T4、T5，其中T1與T2、T2與T3之間存在著(zhù)相對的變化特征，T1與T5之間屬于絕對變化特征。因此，如何通過(guò)已有的社會(huì )感知數據，提取理想狀態(tài)下的TimeLine，并通過(guò)演化分析算法，對TimeLine上的不同時(shí)序進(jìn)行演化特征分析是本研究的研究重點(diǎn)之一。
(2)感知型社會(huì )信息網(wǎng)協(xié)同共棲屬性提取。該研究將通過(guò)對感知型社會(huì )信息網(wǎng)協(xié)同共棲屬性提取，對其演化屬性進(jìn)行分析。目前的研究，大多以靜態(tài)或時(shí)序網(wǎng)絡(luò )快照為主。因此在實(shí)現連續動(dòng)態(tài)的演化環(huán)境中，需要重新定義協(xié)同演化度量指標。其中，共棲屬性可以區分出社會(huì )信息網(wǎng)絡(luò )中感知對象之間是共生關(guān)系，還是競爭關(guān)系等。設計個(gè)體和群體的共棲屬性提取方法，總結屬性變化規律，是分析社會(huì )信息網(wǎng)絡(luò )協(xié)同演化關(guān)系的重要前提和基礎。
(3)動(dòng)態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系分析。該研究將設計感知型社會(huì )信息網(wǎng)絡(luò )的自適應表達式，提出協(xié)同演化關(guān)系分析方法，對多維協(xié)同演化關(guān)系進(jìn)行分析。社會(huì )信息包括了各種維度的信息，信息之間起著(zhù)協(xié)同作用，構成了整個(gè)社會(huì )信息網(wǎng)絡(luò )的運行過(guò)程。它的協(xié)同演化過(guò)程是一個(gè)跨界現象，不僅發(fā)生在一個(gè)層級中，還可能發(fā)生在其他較低或較高層級中，而且還會(huì )發(fā)生在層級之間；既包括內部微觀(guān)對象的協(xié)同演化，也包括與外部環(huán)境的宏觀(guān)協(xié)同演化，并且這些不同層次的演化是交互嵌套、難以區分的。微觀(guān)行為主體的活動(dòng)經(jīng)常會(huì )產(chǎn)生宏觀(guān)上的效果，宏觀(guān)層的演化也會(huì )對微觀(guān)層的演化產(chǎn)生影響[4]。層級間互動(dòng)的演化，是多層級協(xié)同演化的重要特征。圖2展示了一個(gè)社會(huì )信息網(wǎng)絡(luò )中多維信息的協(xié)同。這部分還將利用各個(gè)子網(wǎng)絡(luò )的屬性值，重點(diǎn)研究通過(guò)社會(huì )數據感知計算技術(shù)，對動(dòng)態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系進(jìn)行分析，提出對社會(huì )信息網(wǎng)絡(luò )中的單方主導演化關(guān)系、共同主導演化關(guān)系和無(wú)主導演化關(guān)系的協(xié)同演化關(guān)系分析方法。
4動(dòng)態(tài)社會(huì )信息網(wǎng)絡(luò )建模(Dynamicsocialnetworkinformationmodeling)
建立動(dòng)態(tài)社會(huì )信息網(wǎng)絡(luò )模型，首先需要確定描述網(wǎng)絡(luò )模型的時(shí)間片特征值，即對時(shí)間軸進(jìn)行足夠細的分割，使得每一時(shí)間片上至多有一個(gè)節點(diǎn)變更其連接策略，而同時(shí)保證其他節點(diǎn)保持其原有連接狀態(tài)不變。其次，需要設計網(wǎng)絡(luò )模型的動(dòng)態(tài)連接策略。連接策略的正確選擇，決定著(zhù)最終模型成功的與否。按照以上思路，模型建立部分的研究?jì)热莘譃橐韵氯齻�(gè)方面：(1)以節點(diǎn)社會(huì )上下文(SocialContext)為效用值，消除網(wǎng)絡(luò )噪音。研究表明，人的行為活動(dòng)具有重復性與周期性，這樣就可以將人的多種行為特征表示為網(wǎng)絡(luò )節點(diǎn)的不同社會(huì )屬性，將節點(diǎn)的社會(huì )屬性進(jìn)行歸納就可以得到節點(diǎn)的社會(huì )上下文知識[5]。根據社會(huì )上下文，可以得到節點(diǎn)的信譽(yù)評價(jià)值。
真實(shí)的社會(huì )信息網(wǎng)絡(luò )中會(huì )存在一些由惡意節點(diǎn)引起的一定概率的誤連接，因此在建模之前預處理網(wǎng)絡(luò )數據可以降低由于個(gè)體行為的不確定性所帶來(lái)的網(wǎng)絡(luò )演化噪音。本部分內容研究應用社會(huì )上下文來(lái)評價(jià)節點(diǎn)的信譽(yù)度，并通過(guò)累計信譽(yù)記錄得到節點(diǎn)的最終信譽(yù)值。由于惡意節點(diǎn)在社會(huì )信息網(wǎng)絡(luò )中會(huì )惡意破壞社會(huì )信息網(wǎng)絡(luò )中的正常連接，對網(wǎng)絡(luò )研究的負面影響較大，所以可以根據節點(diǎn)的信譽(yù)評價(jià)值，孤立惡意節點(diǎn)并刪減其連接。(2)基于社會(huì )特征的時(shí)間片發(fā)現算法：Timesectiondiscoverapproachbasedonsocialinformation(TSI)。根據信息網(wǎng)絡(luò )中節點(diǎn)的社會(huì )學(xué)特性，引入社會(huì )信息網(wǎng)絡(luò )中節點(diǎn)的社會(huì )信息屬性。因為當某個(gè)節點(diǎn)社會(huì )信息值發(fā)生一定變化時(shí)可能會(huì )引起社會(huì )信息網(wǎng)絡(luò )結構的變化，所以時(shí)間片的劃分應以節點(diǎn)社會(huì )信息屬性的較大變化為劃分依據，細化時(shí)間軸，使得每個(gè)時(shí)間片內只有一個(gè)節點(diǎn)的社會(huì )信息值發(fā)生變化，而其他節點(diǎn)按照慣性保持其社會(huì )信息屬性值不變。
經(jīng)過(guò)這樣處理之后，網(wǎng)絡(luò )結構的變化過(guò)程就可以看成是一個(gè)馬爾可夫過(guò)程。(3)基于半隨機游走策略的動(dòng)態(tài)連接。社會(huì )信息網(wǎng)絡(luò )中節點(diǎn)的連接過(guò)程可以看成是節點(diǎn)對社會(huì )信息進(jìn)行追逐的過(guò)程。當網(wǎng)絡(luò )中某些節點(diǎn)的社會(huì )信息值發(fā)生較大變化時(shí)，網(wǎng)絡(luò )中的結構一般會(huì )發(fā)生相應的變化，其變化表現為網(wǎng)絡(luò )中的某些節點(diǎn)會(huì )相應地連接到目前社會(huì )信息價(jià)值較大的節點(diǎn)上。這部分將研究在建模中應用隨機游走策略，并設置連接閾值α。游走從網(wǎng)絡(luò )的某一節點(diǎn)開(kāi)始執行，當游走到目前社會(huì )信息值較大的節點(diǎn)時(shí)進(jìn)行連接，之后繼續游走到下一個(gè)目標節點(diǎn)，直到多次搜索并無(wú)更大社會(huì )信息值節點(diǎn)，完成一次隨機游走。在每個(gè)時(shí)間片中模型要完成多次隨機游走的動(dòng)態(tài)重鏈。在隨機游走的過(guò)程中由于應用了連接閾值α限定連接操作，所以此操作可以看作是半隨機連接，連接閾值α的設定與網(wǎng)絡(luò )中節點(diǎn)的社會(huì )信息價(jià)值有關(guān)，α的具體值應高于網(wǎng)絡(luò )中節點(diǎn)的社會(huì )信息價(jià)值的平均值，并可設置α的浮動(dòng)范圍δ(δ是一個(gè)較小的值)。由于社會(huì )信息網(wǎng)絡(luò )研究的數據精準感知型核協(xié)同社會(huì )信息網(wǎng)絡(luò )的網(wǎng)絡(luò )結構是動(dòng)態(tài)演化的'結果，所以網(wǎng)絡(luò )結構將隨著(zhù)網(wǎng)絡(luò )中節點(diǎn)數量、節點(diǎn)的社會(huì )信息屬性及節點(diǎn)社會(huì )上下文的變化而發(fā)生相應變化。上述三個(gè)方面的研究可以綜合表述為動(dòng)態(tài)半隨機重連策略，應用這種策略建立的網(wǎng)絡(luò )模型可以表現出網(wǎng)絡(luò )由不穩定到相對穩定，再到不穩定的演變過(guò)程。
5社會(huì )信息網(wǎng)絡(luò )上突發(fā)檢測方法(Socialnetworkinformationburstdetectionmethod)
由于社會(huì )信息網(wǎng)絡(luò )同時(shí)具有信息網(wǎng)絡(luò )的實(shí)時(shí)性和社會(huì )網(wǎng)絡(luò )的交互性的特點(diǎn)，因此可以通過(guò)研究社會(huì )信息網(wǎng)絡(luò )拓撲結構的演化行為，研究突發(fā)事件的檢測與預警方法。主要研究問(wèn)題如下：(1)網(wǎng)絡(luò )節點(diǎn)影響力分析方法。針對社會(huì )信息網(wǎng)絡(luò )不同于傳統網(wǎng)絡(luò )的集聚特性，提出網(wǎng)絡(luò )節點(diǎn)的影響力分析方法。首先，基于拓撲勢理論對社會(huì )信息網(wǎng)絡(luò )進(jìn)行社區發(fā)現，并對網(wǎng)絡(luò )中的節點(diǎn)進(jìn)行分類(lèi)；其次，針對不同類(lèi)型節點(diǎn)的不同結構特征，分別對其進(jìn)行影響力分析。(2)網(wǎng)絡(luò )節點(diǎn)的可信度評估方法。研究社會(huì )信息網(wǎng)絡(luò )中節點(diǎn)的可信度，一方面采用云模型對社區內和社區間的節點(diǎn)進(jìn)行全局信任評估，另一方面通過(guò)引入時(shí)間窗及構造時(shí)間函數實(shí)現對可信度的動(dòng)態(tài)更新。(3)突發(fā)檢測方法與預警方法。由于突發(fā)事件具有的海量數據積聚、爆發(fā)的瞬時(shí)性及偶然性等特點(diǎn)，因此首先引入滑動(dòng)窗口的思想對監測到的數據流進(jìn)行分析，然后分析網(wǎng)絡(luò )拓撲的演化行為，進(jìn)而對網(wǎng)絡(luò )上的突發(fā)事件進(jìn)行檢測和預警。在這些需要解決的科學(xué)問(wèn)題中，基于網(wǎng)絡(luò )拓撲演化的突發(fā)事件檢測與預警方法研究為社會(huì )信息網(wǎng)絡(luò )研究目標實(shí)現的最后一環(huán)，而且帶有更大的探索性和前瞻性，所以基于網(wǎng)絡(luò )拓撲演化的突發(fā)事件檢測與預警方法研究可是說(shuō)是我們需要解決的關(guān)鍵科學(xué)問(wèn)題。
6結論(Conclusion)
社會(huì )信息網(wǎng)絡(luò )是兼具社會(huì )網(wǎng)絡(luò )和信息網(wǎng)絡(luò )特征的新型網(wǎng)絡(luò )，一方面其節點(diǎn)間表現出強交互特征，另一方面其拓撲結構呈現強時(shí)變特征。由于社會(huì )信息網(wǎng)絡(luò )的數據具有多源性、異構性，拓撲結構具有多變性、瞬時(shí)性、Churn特性以及不同層級之間存在著(zhù)交互嵌套演化等現象，因此社會(huì )信息網(wǎng)絡(luò )是一個(gè)異常復雜的系統，社會(huì )網(wǎng)絡(luò )和信息網(wǎng)絡(luò )上的傳統研究方法很難直接應用或遷移到社會(huì )信息網(wǎng)絡(luò )上。目前來(lái)看，社會(huì )信息網(wǎng)絡(luò )上的理論研究還比較匱乏，開(kāi)發(fā)、應用等活動(dòng)尚缺乏合適的實(shí)踐方法和指導理論。真正建立一個(gè)面向數據精準感知的動(dòng)態(tài)社會(huì )信息網(wǎng)絡(luò )研究平臺，還需要我們不斷努力。
【感知型社會(huì )信息網(wǎng)絡(luò )論文】相關(guān)文章：
氣象信息網(wǎng)絡(luò )論文12-03
觀(guān)念、技術(shù)、制度與節約型社會(huì )的論文06-19
精選建設節約型社會(huì )分析論文06-29
闡述了學(xué)習型社會(huì )的概念和特征論文07-10
M型社會(huì )”酒店的營(yíng)銷(xiāo)增長(cháng)及品牌的提升論文04-12
二網(wǎng)融合信息網(wǎng)絡(luò )論文12-04
實(shí)驗型論文的特點(diǎn)12-29