《大規模社會網路的分析技術研究》是依託哈爾濱工業大學，由徐志明擔任項目負責人的面上項目。
基本介紹
- 中文名：大規模社會網路的分析技術研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：徐志明
項目摘要,結題摘要,
項目摘要
本申請以微博媒體為例，研究面向大規模社會網路的分析技術。針對微博媒體的兩種實體（用戶、資源）的表示問題，定義了一種基於XML格式的實體描述檔案，然後在微博文檔的特徵向量表示基礎上，運用LDA模型提取用戶的興趣主題，生成用戶的主題向量；在計算微博實體之間的關係強度方面，提出了一種基於內容相似性和連結相似性相結合的微博實體相似性計算方法；也提出了利用子空間學習算法來預測實體之間的關係強度的方法；在微博的社會網路挖掘方面，提出了基於可重啟動的隨機漫步算法（Random Walks with Restarts，RWR）的微博實體的權威性計算方法，用於信息的推薦、搜尋；研究基於GN算法的微博社會網路的團體發現算法。本申請的研究成果具有重要的科學意義和套用價值，一方面，它支持多樣性的社會化媒體的信息聚合、推薦和搜尋等套用；另一方面，它也為新興的計算社會學的理論研究提供重要參考。
結題摘要
社會網路在人們的工作和生活中占有越來越重要的地位，正逐漸成為人們獲取信息和維護社會關係的重要手段。社會網路的分析技術的研究，可以幫助人們深入認識複雜的社會網路結構，以及網路上的信息傳播。本項目主要研究微博社會網路的分析技術，完成的研究內容和取得的成果包括： 1、社會化標籤網站的節點（人物、資源）的模型表示、關係分析。提出了基於標籤網路模型的用戶興趣的描述方法；標籤網路中的標籤權重的計算方法；標籤網路之間的相似度的計算方法。2、微博社會網路的分析技術。包括：微博用戶的模型表示、關係分析、網路分析。提出了微博用戶相似度的計算方法；基於微博用戶相似度的用戶推薦方法；微博的用戶相似性網路的團體挖掘方法。3、社會網路中的信息擴散預測模型。提出了一種時間相關的用戶利益的計算方法；時間相關的信息擴散預測算法，對信息擴散過程中的用戶行為及其發生時間進行預測。4、帶符號的社會網路中的極性相關的影響力最大化問題。本項目將標準的獨立級聯模型擴展到帶符號的社會網路上，給出了極性相關的獨立級聯模型；以貪心算法為基礎，提出了一種極性相關的影響力最大化算法，用於發現帶符號的社會網路中的具有最大影響力的一組初始種子節點。5、社會網路的網路結構對信息擴散的影響。考慮到用戶推薦對網路結構和信息擴散有著重要影響，本項目提出了一種將用戶推薦和信息擴散相結合的方法，使得用戶推薦後的新網路可以最大化促進信息擴散。
