复杂网络与社会计算.pptxVIP

项目类型项目名称国家自然科学基金位置相关的异构社交网络中行为关联与预测研究国家自然科学基金在线Web交互网络信息传播敏捷感知与预测机制研究国家自然科学基金基于群智感知的移动社会网络可信位置服务研究国家自然科学基金基于竞争分析的普适计算在线服务协作技术研究江苏省前瞻性联合研究社交大数据环境下影响力最大化节点挖掘技术及其应用社会计算是社会行为和计算系统的交叉融合，利用计算系统帮助人们进行沟通与协作，利用计算技术研究社会运行的规律与发展趋势。研究工作以用户行为规律挖掘、信息传播模式分析、社交拓扑结构描述等为基础，同时深入整合利用异构社交网络的特征，覆盖社会网络中的社区发现、信息传播与推广、基于社交大数据的行为分析与预测、在线舆情发现与趋势感知等多个主题。研究得到了4项国家自然科学基金及1项江苏省前瞻性联合研究项目的资助。工作成果发表在国内外重要学术期刊和会议上。社会计算社会网络中的社区发现社区发现是涉及社会学和计算机科学的综合性课题。针对传统社区发现方法目标单一的问题，从异构网络的角度研究基于位置的社交网络中多维度社区发现方法。提出一种动态社交关系的度量方法，并从多角度对用户的行为模式进行分析。构建了一种新型社区发现模型描述网络数据的生成过程，并推导规则获得采样算法。模型能够较好地满足社区内部用户交互频繁和行为模式一致的要求，同时具有低困惑度，能够更好地描述社区性质。社区中的用户交互社区中的空间规律社区中的时间规律作为意见领袖挖掘、影响最大化等问题的辅助工作，提出了包括主题社区发现、基于属性社区发现等多种社区发现方法，为不同研究课题提供了有效基础。社会网络中的信息传播与推广CCA算法节点选择模拟图针对传统影响最大化：提出基于核数层次特征和影响半径的启发式算法---核覆盖算法(CCA)。引入k-核与节点影响半径，综合核数和度数确定影响力节点，算法在效率与时间两方面达到了平衡。针对基于位置的影响最大化：结合O2O特征提出二阶段影响传播模型，并依据用户移动规律计算线下概率，提出TPH与MR算法解决不同参数下的问题。研究工作从多个角度出发对信息传播与产品推广领域的重要课题“影响最大化问题”展开了深入探索，主要包括：二阶段影响传播模型中用户状态转换图针对基于属性的影响最大化：考虑节点交互强度和节点属性与目标受众属性相似度建立节点影响概率模型，针对新问题提出了一种基于概率和的算法SoPCA和两种基于局部社区的启发式算法CBA和ICBA，并具有较好性能。针对基于成本的影响最大化：提出了基于概率覆盖范围的启发式算法，并利用子模函数特性和惰性计算技术提出基于概率覆盖范围的惰性节点选择算法。基于社交大数据的用户行为分析与预测基于社交网络大数据的社交网络用户行为及传播规律分析与预测,可以为用户提供更为精准和个性化的服务。为解决LBSN中用户兴趣点推荐问题，利用基于三度影响力的用户—兴趣点间元路径特征，通过随机游走方法计算元路径特征值，并利用监督学习方法进行训练，完成兴趣点推荐。为解决LBSN中用户位置推荐实时性问题，基于时空位置有序对，利用贝叶斯个性化排序算法对时空正负例对进行训练，进而生成实时性位置推荐列表。为解决传统微博网络中的信息传播问题，基于用户属性、社交关系和微博内容三类综合特征，使用机器学习的分类方法和概率级联模型，对给定微博的用户转发行为和给定微博的转发路径进行预测。微博网络转发树拓扑元路径生成示意图为解决LBSN中预测用户在未来时间所在位置的问题，从用户的签到时间周期性、签到位置空间分布和社交关系三个方面挖掘并构建预测模型，在给定任意用户和时间下，对用户可能的签到位置进行预测。在线舆情发现与趋势感知为深入分析在线社交网络中信息传播与演化，以监控和引导网络舆情，提出一种基于多维特征分析的社交网络意见领袖挖掘算法(MFP)。算法综合社交网络结构特征、用户行为特征和用户情感特征对意见领袖节点挖掘问题进行研究，可有效地发现潜在的意见领袖节点。从在线社交网络中的舆情感知需求出发，克服传统舆情感知技术的局限性，提出地域性话题的概念，构建地域性话题发现模型和基于模型的地域性话题追踪方法。真实数据集上的实验表明，模型能有效发现空间维度上的典型话题。全美范围内“马刺队”话题的相关文档的分布意见领袖挖掘总体框架