在线社会网络

摘要： 区块链的快速发展和普及,为网络社会网络舆情的传播提供了便捷的平台,这使得网络舆情逐渐成为人民群众最活跃的反映方式。当网络舆情涉及社会热点等问题时,会引起网民的快速关注,甚至引发突发事件和连锁反应,考察政府的治理干预能力,甚至对国家社会安全和稳定构成紧张。本文根据网络舆情传播的特点,从个体行为和群体社会强化两个方面揭示网络舆情传播的规律,并进一步从干预网络负面舆情和最大化网络正面和情感影响两个方面构建干预和引导模式,从而全面、系统地分析基于区块链技术的在线网络社会的网络舆情传播和干预,为政府应对网络舆情传播提供有效的理论指导。

摘要： 区块链的快速发展和普及,为网络社会网络舆情的传播提供了便捷的平台,这使得网络舆情逐渐成为人民群众最活跃的反映方式.当网络舆情涉及社会热点等问题时,会引起网民的快速关注,甚至引发突发事件和连锁反应,考察政府的治理干预能力,甚至对国家社会安全和稳定构成紧张.本文根据网络舆情传播的特点,从个体行为和群体社会强化两个方面揭示网络舆情传播的规律,并进一步从干预网络负面舆情和最大化网络正面和情感影响两个方面构建干预和引导模式,从而全面、系统地分析基于区块链技术的在线网络社会的网络舆情传播和干预,为政府应对网络舆情传播提供有效的理论指导.

摘要： 针对在线社会网络中的谣言控制问题,构建了一个考虑谣言整体流行度和个体传播倾向的动态谣言传播模型,基于此设计了一个考虑用户体验的谣言阻断算法.算法以基于双曲折扣效应的用户体验模型作为约束,利用贪心算法选取目标节点子集并加以阻断,以最大程度地减少在线社会网络中谣言扩散范围.实验结果表明,提出的动态阻断算法具有更好的阻断性能,且谣言阻断时间越早,阻断节点比例越大,谣言扩散范围越小;而当阻断节点比例较大时,需选取适当的阻断持续时间,以保证用户体验,避免舆情进一步演化.

摘要： 目前,在线社会网络已经成为谣言传播的主要渠道.为此,本文基于演化博弈理论,以在线社会网络中的谣言传播者和谣言接收者作为博弈参与者;以上述两类用户在面对要谣言时不同的行为选择,作为博弈时的不同策略;并以二者在选择不同策略时收益的改变作为博弈的收益函数,对谣言的传播过程进行分析.本文认为谣言传播参与者的自我知识储备、声誉以及影响力等三种影响因子会影响博弈参与者的收益函数,而谣言传播者选择是否参与传播,谣言接收者选择是否对传播者信息进行评论的不同行动策略,将影响以上三个自变量,并进一步影响参与者自身的收益函数.结果表明:当网络中知识储备占比较大时,对谣言传播有抑制作用,当谣言参与者更注重自身影响力时,将有利于谣言的传播.本文的研究结论有助于深入了解在线社会网络谣言传播的内在机理,从而为遏制谣言扩散提供有力的理论依据.

摘要： [目的/意义]基于知识付费的中介效应视角,以在线社会网络为研究对象,分析知识个体的感知知识个人所有权、 自我效能感对隐性知识共享意愿的影响机制,以期对促进在线社会网络运营主体充分调动知识个体持有者主动共享其隐性知识产生一定的启示作用.[方法/过程]基于对314名样本的数据采集结果相关性分析,构建回归分析模型,并通过MPLUS7.0软件对变量之间的作用关系进行分析.[结果/结论]1)感知知识个人所有权促进隐性知识共享意愿的提升;2)自我效能感完全中介感知知识个人所有权对隐性知识共享意愿的影响;3)知识付费程度越高,自我效能感对隐性知识共享意愿的正向影响会被削弱,自我效能感在感知知识个人所有权与隐性知识共享意愿之间所起的中介作用也会被削弱.

摘要： 大数据环境下,在线社会网络与人们的生活、娱乐以及工作逐渐融为一体.然而“信息过载”和“信息污染”已成为在线社会网络诸多应用发展面临的主要瓶颈之一,并同时造成了用户的“信息焦虑”和“信息迷航”等一系列问题,因此在线社会网络谣言检测是改善在线社会网络信息生态环境质量、提升用户体验的有效手段.在线社会网络谣言检测隶属于信息可信度检测研究范畴,但谣言的不确定性、较强的时效性、主观性和关联性等特征又使得其与虚假信息检测有着本质区别.基于以上,该文从在线社会网络谣言的基本概念和特征研究出发,分别基于目标、对象和时间三个属性,分析了在线社会网络谣言检测研究基本问题的形式化定义,并介绍了研究中数据采集和标注的不同方法.然后,分别对不同类别和应用场景的在线社会网络谣言检测方法和谣言源检测方法进行了分析和总结.最后,该文讨论了在线社会网络谣言检测技术未来发展面临的若干挑战以及可能的研究方向.

摘要： 分析了真实社会网络的特性,建立了节点间多关系网络模型.在此基础上定义了节点间相互作用的影响力等概念,提出了适用于多关系网络的社团发现算法.通过理论验证了相关定义的合理性,并针对多关系网络进行了对比实验.实验结果表明:所提出的多关系网络社团发现算法与其他经典算法相比具有较高的精确度和较低的时间复杂度,具有重要的研究意义及实用价值.

摘要： 针对在线社会网络中多源点定位问题,当源点数量不确定时,定位准确率有待提高.采用设置探查节点的方式,基于探查节点接收时刻序列分布与网络空间结构具有相似性的特点,提出一种基于时空相似性的多源点定位方法.首先,分析多次接收信息节点的源点指向性,采用重启式随机游走算法确定源点备选集;然后,以非多次接收信息节点与备选源点的时空相似性为基础,将定位问题转化为聚类问题;最后,采用改进的近邻传播算法确定源点数量和位置.实验分析表明,相对于其他算法,该算法可提升源点定位的准确性,减少误差跳数.

摘要： 为了快速准确地发现在线社会网络的社区结构,提出一种基于共享好友数的社区结构发现算法.该方法通过查找网络中拥有最多好友数的2个节点,并以此2个节点为初始社区,以初始社区邻居节点所在社区出现次数为衡量标准,判断是否将该节点加入到初始社区中,不断循环迭代,直到所有节点都达到稳定状态为止.对Zachary空手道俱乐部网络及人工合成网络的实验结果表明,该方法无须用户指定社区个数等算法参数,能够有效揭示在线社会网络内在的社区结构.

摘要： 处于网络边缘的个人主机和终端由于存储能力的提高成为信息存储与共享系统的组成部分.这些个人主机和终端同时也属于某类在线社会网络，因此同时具备在线社会网络的结构特征.利用这些结构特征包括社会关系信息和拓扑特征信息可以明显提高信息存储与共享系统的信息存储与搜索机制的性能.首先分析了在线社会网络的结构特征.然后，深入分析了各种基于在线社会网络的信息存储与搜索机制的关键技术，总结其不足.最后，初步设计了一种新型的基于社会感知平面的信息存储与搜索机制。

摘要： 影响力最大化问题的研究为病毒式营销提供了潜在有效的解决方案.基于时间约束的影响力最大化问题IMTC定义为在时间约束条件下,如何在社会网络中定义和挖掘一部分初始用户,使得在影响力传播过程结束后,网络中被影响的节点的个数最大.现有的研究工作主要依据网络结构定义节点影响力,优化传统影响力传播模型,或改进启发式算法提高初始节点的选取质量,行为的执行与其影响作用生效之间的时间延迟特性以及影响力传播过程中的时间约束条件往往被忽略.针对这点不足,提出一种基于时间约束的信用分布模型CDTC,综合考虑用户之间的见面概率和先验激活概率对边缘概率进行计算,并对网络中的相邻节点之间分配的直接信用进行优化定义.同时结合用户行为日志,将见面与激活事件对信用分配的阻碍作用映射到行为传播路径长度的增量性测量和评估方面,并结合时间约束条件限定性地对路径中的节点逆向分配代表影响力大小的信用值,最后根据信用分布函数,使用基于时间约束的贪心算法GA-TC递归选取网络中边际收益最大的节点得到初始节点集合.实验结果表明在CDTC模型上使用GA-TC算法不仅能够保证初始节点选取的质量,而且由于其更高的执行效率以及更好的行为执行预测能力,方法对IMTC问题的适应性更强.

摘要： 影响力最大化问题的研究为病毒式营销提供了潜在有效的解决方案.基于时间约束的影响力最大化问题IMTC定义为在时间约束条件下,如何在社会网络中定义和挖掘一部分初始用户,使得在影响力传播过程结束后,网络中被影响的节点的个数最大.现有的研究工作主要依据网络结构定义节点影响力,优化传统影响力传播模型,或改进启发式算法提高初始节点的选取质量,行为的执行与其影响作用生效之间的时间延迟特性以及影响力传播过程中的时间约束条件往往被忽略.针对这点不足,提出一种基于时间约束的信用分布模型CDTC,综合考虑用户之间的见面概率和先验激活概率对边缘概率进行计算,并对网络中的相邻节点之间分配的直接信用进行优化定义.同时结合用户行为日志,将见面与激活事件对信用分配的阻碍作用映射到行为传播路径长度的增量性测量和评估方面,并结合时间约束条件限定性地对路径中的节点逆向分配代表影响力大小的信用值,最后根据信用分布函数,使用基于时间约束的贪心算法GA-TC递归选取网络中边际收益最大的节点得到初始节点集合.实验结果表明在CDTC模型上使用GA-TC算法不仅能够保证初始节点选取的质量,而且由于其更高的执行效率以及更好的行为执行预测能力,方法对IMTC问题的适应性更强.

摘要： 影响力最大化问题的研究为病毒式营销提供了潜在有效的解决方案.基于时间约束的影响力最大化问题IMTC定义为在时间约束条件下,如何在社会网络中定义和挖掘一部分初始用户,使得在影响力传播过程结束后,网络中被影响的节点的个数最大.现有的研究工作主要依据网络结构定义节点影响力,优化传统影响力传播模型,或改进启发式算法提高初始节点的选取质量,行为的执行与其影响作用生效之间的时间延迟特性以及影响力传播过程中的时间约束条件往往被忽略.针对这点不足,提出一种基于时间约束的信用分布模型CDTC,综合考虑用户之间的见面概率和先验激活概率对边缘概率进行计算,并对网络中的相邻节点之间分配的直接信用进行优化定义.同时结合用户行为日志,将见面与激活事件对信用分配的阻碍作用映射到行为传播路径长度的增量性测量和评估方面,并结合时间约束条件限定性地对路径中的节点逆向分配代表影响力大小的信用值,最后根据信用分布函数,使用基于时间约束的贪心算法GA-TC递归选取网络中边际收益最大的节点得到初始节点集合.实验结果表明在CDTC模型上使用GA-TC算法不仅能够保证初始节点选取的质量,而且由于其更高的执行效率以及更好的行为执行预测能力,方法对IMTC问题的适应性更强.

摘要： 影响力最大化问题的研究为病毒式营销提供了潜在有效的解决方案.基于时间约束的影响力最大化问题IMTC定义为在时间约束条件下,如何在社会网络中定义和挖掘一部分初始用户,使得在影响力传播过程结束后,网络中被影响的节点的个数最大.现有的研究工作主要依据网络结构定义节点影响力,优化传统影响力传播模型,或改进启发式算法提高初始节点的选取质量,行为的执行与其影响作用生效之间的时间延迟特性以及影响力传播过程中的时间约束条件往往被忽略.针对这点不足,提出一种基于时间约束的信用分布模型CDTC,综合考虑用户之间的见面概率和先验激活概率对边缘概率进行计算,并对网络中的相邻节点之间分配的直接信用进行优化定义.同时结合用户行为日志,将见面与激活事件对信用分配的阻碍作用映射到行为传播路径长度的增量性测量和评估方面,并结合时间约束条件限定性地对路径中的节点逆向分配代表影响力大小的信用值,最后根据信用分布函数,使用基于时间约束的贪心算法GA-TC递归选取网络中边际收益最大的节点得到初始节点集合.实验结果表明在CDTC模型上使用GA-TC算法不仅能够保证初始节点选取的质量,而且由于其更高的执行效率以及更好的行为执行预测能力,方法对IMTC问题的适应性更强.

摘要： 影响力最大化问题的研究为病毒式营销提供了潜在有效的解决方案.基于时间约束的影响力最大化问题IMTC定义为在时间约束条件下,如何在社会网络中定义和挖掘一部分初始用户,使得在影响力传播过程结束后,网络中被影响的节点的个数最大.现有的研究工作主要依据网络结构定义节点影响力,优化传统影响力传播模型,或改进启发式算法提高初始节点的选取质量,行为的执行与其影响作用生效之间的时间延迟特性以及影响力传播过程中的时间约束条件往往被忽略.针对这点不足,提出一种基于时间约束的信用分布模型CDTC,综合考虑用户之间的见面概率和先验激活概率对边缘概率进行计算,并对网络中的相邻节点之间分配的直接信用进行优化定义.同时结合用户行为日志,将见面与激活事件对信用分配的阻碍作用映射到行为传播路径长度的增量性测量和评估方面,并结合时间约束条件限定性地对路径中的节点逆向分配代表影响力大小的信用值,最后根据信用分布函数,使用基于时间约束的贪心算法GA-TC递归选取网络中边际收益最大的节点得到初始节点集合.实验结果表明在CDTC模型上使用GA-TC算法不仅能够保证初始节点选取的质量,而且由于其更高的执行效率以及更好的行为执行预测能力,方法对IMTC问题的适应性更强.

摘要： 随着社会的发展,信息已经成为社会发展越来越重要的部分,人类的信息传播活动越来越明显地展示出分众特征,对用户的分类成为人类信息活动的一个重要研究课题.从这一目标出发,分别基于信息内容、拓扑关系和两者综合的方法,按兴趣主题对社会媒体用户进行分类.对于基于信息内容的用户分类,采用LDA主题模型从用户所发布的内容中提取其主题分布,基于这一分布,采用支持向量机、决策树、贝叶斯等多种模型按兴趣主题对用户进行分类.对于基于拓扑关系的分类,依据相同兴趣主题的用户倾向于拥有共同的粉丝这一发现,构建分类模型来按兴趣主题对用户进行分类.然后提出综合信息内容和拓扑关系的分类方法来对用户进行分类.最后基于大规模Twitter数据的实验发现,采用综合方法对用户进行的兴趣分类性能明显高于采用单一信息内容或粉丝拓扑方法的性能.

摘要： 随着社会的发展,信息已经成为社会发展越来越重要的部分,人类的信息传播活动越来越明显地展示出分众特征,对用户的分类成为人类信息活动的一个重要研究课题.从这一目标出发,分别基于信息内容、拓扑关系和两者综合的方法,按兴趣主题对社会媒体用户进行分类.对于基于信息内容的用户分类,采用LDA主题模型从用户所发布的内容中提取其主题分布,基于这一分布,采用支持向量机、决策树、贝叶斯等多种模型按兴趣主题对用户进行分类.对于基于拓扑关系的分类,依据相同兴趣主题的用户倾向于拥有共同的粉丝这一发现,构建分类模型来按兴趣主题对用户进行分类.然后提出综合信息内容和拓扑关系的分类方法来对用户进行分类.最后基于大规模Twitter数据的实验发现,采用综合方法对用户进行的兴趣分类性能明显高于采用单一信息内容或粉丝拓扑方法的性能.

摘要： 随着社会的发展,信息已经成为社会发展越来越重要的部分,人类的信息传播活动越来越明显地展示出分众特征,对用户的分类成为人类信息活动的一个重要研究课题.从这一目标出发,分别基于信息内容、拓扑关系和两者综合的方法,按兴趣主题对社会媒体用户进行分类.对于基于信息内容的用户分类,采用LDA主题模型从用户所发布的内容中提取其主题分布,基于这一分布,采用支持向量机、决策树、贝叶斯等多种模型按兴趣主题对用户进行分类.对于基于拓扑关系的分类,依据相同兴趣主题的用户倾向于拥有共同的粉丝这一发现,构建分类模型来按兴趣主题对用户进行分类.然后提出综合信息内容和拓扑关系的分类方法来对用户进行分类.最后基于大规模Twitter数据的实验发现,采用综合方法对用户进行的兴趣分类性能明显高于采用单一信息内容或粉丝拓扑方法的性能.

摘要： 本发明的主要工作是基于多源异构网络推断主体(用户)之间的社会关系(包括同类型之间或不同类型之间的主体关系，本发明中只以用户为例)的方法，异构网络是指网络中主体类型多种或者主体之间的关系类型多种，关系可以分为好友和其他两种。主要内容包括在两个(例如Twitter网络、通讯网络)异构网络中，两个网络的主体类型都包含有用户，但不同网络中主体之间的关系链接类型是不同的在Twitter网络中用户之间的关系是关注、被关注两种，在通讯网中关系类型为好友和其他两种等。要推断不同网络主体之间的社会关系必须要通过两个网络之间通过重叠用户关联起来，即部分用户同时存在于两个网络中。

摘要： 本发明提供一种在线社会网络中网络群体的检测方法，所采集的节点集中随机选择一个节点，从所选节点的邻居节点中选择未与所选节点建立群关系的且收益最大的邻居节点并在该邻居节点与所选节点之间建立群关系；对所选节点进行策略更新，并重新计算由于所选节点的策略更新所影响到的所有节点的收益；不断上述步骤，直到所述节点集中没有收益可改进的节点时，输出节点集中互相之间存在群关系的所有节点作为所检测的网络群体。该方法结合在线社会网络中节点的信息交互行为和节点间的社会关系，可以在在线社会关系网络中发现具有动态特性和行为因素影响的网络群体。

摘要： 本发明公开了一种在线社会网络下构建用户行为偏好变化模型的方法。该方法包括：在所搭建的Hadoop并行分布式处理环境下，用户的兴趣主题信息经过Map‑Reduce过程处理后，采用对称KL散度计算用户兴趣主题的漂移概率，确定用户兴趣变化点；挖掘用户所具有的长期兴趣和短期兴趣；挖掘每个兴趣所具有的权重；根据用户的长期兴趣、短期兴趣以及每个兴趣所具有的权重，确定用户行为偏好变化模型。本发明研究用户在在线社会网络下的行为偏好变化，了解用户在不同时空情景下的个性化偏好，并根据当前时刻的情景信息和用户自身兴趣，从浩瀚的在线社会网络环境中发现用户真正感兴趣的信息资源，满足用户对信息的个性化需求，切实地提升用户体验。

摘要： 针对大尺度在线社会网络中社区挖掘的高计算复杂度以及社区定义涉及的多种要素，本发明提出了一种在线社会网络多尺度社区发现方法，该方法的一个重要特点是融合了用户兴趣和内聚度，该挖掘方法主要包括3个步骤：1)网络粗化过程，2)粗化网络上基于概率模型的社区标签初始化，3)基于图上半监督学习的社区标签的估计。该方法的优点在于通过粗化过程极大地降低了网络的大小，使得用于社区检测概率模型具有很小的参数空间，大大增大了寻找全局最优解的可能性并降低了计算复杂度；其次，结合了用户兴趣和内聚度能够全面地对社区进行定义，本发明的贡献在于提出了一种基于多层次的社区挖掘方法。

摘要： 本发明公开了一种在线社会网络中影响力最大化初始节点选取方法，根据用户的行为日志，得到用户对于他的邻居用户基于行为时间延迟的直接影响力；结合社会网络中所有异构节点的点特征和不同个体之间的边特征，构建用户节点特征向量并计算向量之间的相似度，以此作为社会网络中用户节点之间的潜在影响力的评判依据。最后求解最大边际收益节点作为影响力最大化初始关键节点。本发明综合考虑用户行为记录和社会网络复杂的异构节点的关联关系，能有效地选取影响力最大化初始关键节点，并更加真实地反映影响力传播效果。

摘要： 针对在线社会网络中信息传播的复杂性，本发明提出了一种基于多模式混合模型的在线社会网络信息传播建模方法。该方法认为信息传播过程中存在一些基本的典型传播模式，而信息的传播过程是这些典型基本模式共同作用的结果，在此基础上构建信息传播过程的混合传播模型。该研究思路优点有二：每一种典型传播模式都较为固定，对应的概率模型相对简单，最终降低了信息传播建模的复杂度；典型传播模式对应了一种基本的信息传播过程，有利于探求信息传播规律的本质。

摘要： 本发明涉及一种在线社会网络中通过网络分析(Network Analysis)对个人网络竞争力(Network Competitiveness)和网络效果(Network Effect)进行测定的方法，尤其是，以在线方式构建社会连结网，对社会连结网中处于第1级纽带(Ties)关系的节点(Node)之间的相互可信度(Trust)、真实性(Integrity)、团结性(Solidarity)、开放性(Openness)、重要性(Importance)、亲密度(Intimacy)等项目相互评价结果为基础，对在线社会网络中各节点的网络竞争力和网络效应进行量化，赋予网络各节点(Node)和纽带(Tie)信息价值。

摘要： 本发明涉及一种在线社会网络的社会资本指数测定系统及方法，尤其是，其针对个人之间和特定网络、整体网络，可以根据多个因素(可信度、真实性、团结性、开放性、重要性、亲密度)来测定社会资本指数，使得能够通过社会资本指数来测定竞争力、结合力等，在社会网络地图(以图像地图表示社会连接网的GUI)中成为路径搜索的基准，可以获得作为社会连接网网络分析对象的链接的非对称信息，从而可提供创新的服务，可以构建健康的网络。

摘要： 本发明提供一种在线社会网络中网络群体的检测方法，所采集的节点集中随机选择一个节点，从所选节点的邻居节点中选择未与所选节点建立群关系的且收益最大的邻居节点并在该邻居节点与所选节点之间建立群关系；对所选节点进行策略更新，并重新计算由于所选节点的策略更新所影响到的所有节点的收益；不断上述步骤，直到所述节点集中没有收益可改进的节点时，输出节点集中互相之间存在群关系的所有节点作为所检测的网络群体。该方法结合在线社会网络中节点的信息交互行为和节点间的社会关系，可以在在线社会关系网络中发现具有动态特性和行为因素影响的网络群体。

摘要： 本发明属于社会网络信息处理技术领域，具体涉及一种基于主方程的在线社会网络信息演化分析方法。本发明具体包括：(1)建立网络分析模型：获取网络数据，从中选取网络参数；建立网络主方程，即系统宏观态{ai}≡i出现的概率P随时间演化所遵循的方程；(2)利用主方程分析网络演化状态：网络的每个时间片的状态只与前一个时间片的状态有关而与其他状态无关，在网络系统演化时，网络的状态将在不同的值之间发生转移，通过转移系统的每个态的发生概率不断变化，直到系统达到一个最终的稳定状态为止。本发明结果显示了不同状态出现概率的分布规律。数值模拟结果表明主方程推导的网络状态分布真实有效。