《面向移動社交網路的上下文數據輔助的社區結構研究》是依託北京航空航天大學，由童超擔任項目負責人的面上項目。
基本介紹
- 中文名：面向移動社交網路的上下文數據輔助的社區結構研究
- 依託單位：北京航空航天大學
- 項目負責人：童超
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
移動社交網路的社區結構研究具有重要的理論意義、研究價值和廣闊的套用前景。本項目擬結合移動社交網路的上下文數據對社區結構發現和演化進行研究。具體包括：1、設計移動社交網路上下文數據的採集分析系統，對採集到的上下文數據建立語義表示和關聯模型，生成具備時空特徵的移動社交網路；2、提出保持社區結構的採樣算法，對網路進行科學合理地採樣，採樣結果能夠很好地維持社區結構；3、針對後續提出的社區發現算法需要知道社區數量等先驗知識的問題，通過理論分析與證明提出基於Laplacian矩陣Jordan型的社區數量與社區骨幹結構等先驗知識發現方法；4、在上下文數據的語義表示、關聯模型和先驗知識的基礎上，提出基於上下文數據的移動社交網路重疊社區發現算法，並利用擬提出的符合重疊社區特徵的社區發現算法評價指標進行評價；5、結合巨觀和微觀角度進行分析、歸納社區演化規律，提出符合移動社交網路生長規律的社區演化模型。
結題摘要
移動社交網路的社區結構研究具有重要的理論意義、研究價值和廣闊的套用前景。本項目結合移動社交網路的上下文數據對社區結構發現和演化進行研究。主要研究內容包括：1、設計移動社交網路上下文數據的採集分析系統，對於word2vec所使用的CBOW進行改進，利用基於CBOW的數據處理模型對採集到的上下文數據建立語義表示和關聯模型，生成具備時空特徵的移動社交網路；2、提出保持社區結構的採樣算法，對網路進行科學合理地採樣，採樣結果能夠很好地維持社區結構，其中所用到PageRank算法進行社區聚集，改進森林火災採樣算法以及邊界採樣改進算法；3、對後續提出的社區發現算法需要知道社區數量等先驗知識的問題，通過理論分析與證明提出基於Laplacian矩陣Jordan型的社區數量與社區骨幹結構等先驗知識發現方法，並證明三個關鍵結論；4、在上下文數據的語義表示、關聯模型和先驗知識的基礎上，提出基於上下文數據的移動社交網路重疊社區發現算法，並利用擬提出的符合重疊社區特徵的社區發現算法評價指標進行評價，主要包括基於Jordan型的社區發現算法，基於CPM改進的重疊社區發現算法，基於節點核心影響力的社區發現算法，基於中心人物的社區發現方法，基於標籤傳播的重疊社區發現算法以及基於區間圖的社區發現算法；5、結合巨觀和微觀角度進行分析、歸納社區演化規律，提出符合移動社交網路生長規律的社區演化模型，主要包括基於邊的動態社區發現和追蹤算法以及提出四種社會演化模型進行分析。本項目其他部分提出了改進的閾值模型，提出了改進的獨立級聯模型以及基於TextRank的移動節點上下文數據的節點影響力排序算法。本項目總計發表SCI論文18篇，申請專利2項。
