《基於灰色方法的社交網路群體識別問題研究》是依託福州大學，由郭昆擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於灰色方法的社交網路群體識別問題研究
- 依託單位：福州大學
- 項目類別：青年科學基金項目
- 項目負責人：郭昆
項目摘要,結題摘要,
項目摘要
社交網路在世界範圍內的飛速發展正引起越來越多學者的關注，由於其具有超大規模性、重疊性、層次性、多重性、動態性等不同於一般複雜網路的特性，使社交網路中的群體識別面臨許多挑戰。本研究擬在灰色系統理論的指導下，以灰色方法為主要工具，通過與包括機率統計方法、模糊方法等在內的多種不確定方法相結合，建立具有重疊、層次等複雜結構的社交網路、動態社交網路及具有複雜結構的動態社交網路的灰色模型。同時，引入進化計算方法及並行計算框架，設計具有強魯棒性、高擴展性及可並行化的高效算法，通過理論研究與仿真實驗相結合的方式對算法的性能展開評價與分析。研究的成果將在理論上從新的角度為複雜網路聚類方法提供有益補充，同時拓展灰色系統理論及灰色方法在新的學科領域的套用，在實踐上對促進基於社交網路的新型社會、經濟活動的發展、識別與預防基於社交網路的犯罪行為、維護國家安全等都具有重要的現實意義。
結題摘要
社交網路的超大規模性、重疊性、層次性、動態性等社交網路獨有特性使社交網路中的社交群體發現研究面臨挑戰。目前，關於動態社交網路中的群體識別方面的研究c，其模型、算法及標準測試集的設計等還有很大的發展空間。因此，在社交網路對人們的日常生活及社會安全正在產生越來越大影響的背景下，套用灰色方法在處理不確定數據方面的優勢，並與其它方法有效結合，對在社交網路中的群體識別問題展開研究，不但在學術研究上具有重要的意義，也具有較高的套用價值。 本課題針對複雜社交網路中的群體識別問題展開一系列研究。首先，研究了灰色方法在社區發現中的套用，提出了基於改進灰關聯度與局部近鄰傳播的社區發現算法，基於灰關聯分析的模糊聚類算法，基於灰關聯分析的譜聚類算法。研究了邊不完整的社交網路中的社區發現問題，提出了同時考慮網路拓撲結構與節點屬性的社區發現算法。研究了社交圈子識別問題，提出了基於局部社區探測的社交圈子自動識別算法。研究了標籤傳播算法，提出了基於標籤影響力的社區發現算法。研究了數據流上的隱私保護問題，提出了基於聚類的數據流匿名算法。研究了k匿名模型改進問題，提出了(k,g)匿名算法。其次，研究了重疊層次社區發現問題，提出了基於增廣邊簇序列的邊社區發現算法，以及基於譜聚類的重疊層次社區發現算法。研究了基於MapReduce模型的並行社區發現問題，提出了基於局部/全局信息傳播的社區發現算法，以及基於多標籤傳播的並行重疊社區發現算法。最後，研究了動態社區發現問題，提出了一種基於鄰域跟隨關係的社區表示模型Follow-Community，以及基於該模型的具有線性時間複雜度的鄰域跟隨算法，並進一步擴展得到用於動態社區發現的增量鄰域跟隨算法。基於MapReduce模型，提出了一種將標籤傳播算法和增量相關節點相結合進行社區發現的方法。 項目的研究成果一方面是對複雜網路中群體識別研究技術與方法的有益補充與完善，另一方面也為在基於社交群體發現與跟蹤的電子商務、線上廣告、安全監控等套用提供技術支撐。
