兴趣社区引导的机会社会网络节点移动模型

在机会网络节点移动模型的研究中,不同的移动模型对网络协议的性能具有不同影响,因此选择合适的移动模型至关重要。针对一些社会服务性活动中人类表现出的社会性移动特征,提出一种适合于相关场景的基于兴趣的节点移动模型。上述模型根据社会网络中的节点中心性对社区里的节点进行划分;同时使用人类动力学知识描述节点信息,使节点兴趣具有时变性。仿真结果表明,上述模型比随机路点移动模型和社区移动模型更接近实际数据集的统计结果。     

DiffRank:一种新型社会网络信息传播检测算法

信息传播检测是给定一个传播网络,如何选择最有效的节点集合作为观察节点或部署传感器,以尽早尽快检测到网络中传播的信息,这对于社会网络中的意见领袖挖掘、谣言传播检测、舆情监控等应用具有重要意义.文中结合网络结构特点、节点内容属性、历史传播数据等信息,提出了一个基于随机游走模型的传播能力排序算法DiffRank,根据该算法的结果选择传播能力最强的top-k个节点作为观察节点来检测网络中可能出现的信息传播.基于新浪微博真实数据的实验结果表明,与其他同类算法相比,DiffRank算法在检测覆盖率、检测时间和信息感染人数下降比率3个指标上,都优于同类算法.在算法的可扩展性方面,DiffRank算法更加适用于并行或分布式计算,可扩展性更好.     

移动ad hoc网络的入侵响应模型

移动ad hoc网络由于动态拓扑、无线信道等特点,使得其在所有层次上都存在脆弱的安全问题.本文提出了一种基于移动agent的入侵响应模型,该模型结合了移动ad hoc网络和移动agent的移动性和自主性,采用监视agent,决策agent和阻击agent三种agent对移动ad hoc网络中的节点行为进行监视,并根据节点行为判断是否入侵,一旦发现入侵者就将其包围并阻断与其相关的报文,以达到隔离直至消灭入侵者的目的.最后,提出了下一步的研究方向.     

适用于VANET仿真的车辆合成运动模型

车载自组网(VANET)是移动Ad Hoc网络技术在交通领域的应用,已成为智能交通系统一项非常有前景的技术.准确反映节点运动方式的运动模型对于提高仿真实验准确性至关重要.首次利用了实际的卫星地图信息,在考虑实际道路环境特点基础上实现了新的节点运动模型--车辆合成运动模型,将该模型与随机路点模型和曼哈顿模型进行了对比,并在根据西安城区卫星地图构建的仿真场景中分别采用3种节点运动模型,利用QualNet仿真平台评估了不同节点运动模型对路由协议性能的影响.结果表明,节点运动模型对协议性能影响很大,分析认为合成运动模型更适合于VANET仿真研究.     

基于能量有效的移动Ad Hoc网络路由算法

由于移动Adhoc网络中节点通常采用电池供电,一旦电源耗尽,节点就会被迫退出网络,因此降低节点的能量消耗对保证节点间链路稳定至关重要。给出了节点剩余能量的计算公式,基于节点剩余能量提出了一种能量有效的移动AdHoc网络路由算法MTMR,该算法能够延长网络的生命周期,并给出了该路由算法的寻径示例。     

基于能量有效的移动Ad Hoc网络路由算法

由于移动Ad hoc网络中节点通常采用电池供电,一旦电源耗尽,节点就会被迫退出网络,因此降低节点的能量消耗对保证节点间链路稳定至关重要。给出了节点剩余能量的计算公式,基于节点剩余能量提出了一种能量有效的移动Ad Hoc网络路由算法MTMR,该算法能够延长网络的生命周期,并给出了该路由算法的寻径示例。     

基于Markov微分博弈的移动目标防御决策优化

随着网络攻防向实时连续和动态高频变化的方向发展,传统的离散多阶段网络攻防博弈模型已难以满足实际需求,而且传统网络攻防模型中的节点状态单一,难以准确描述实际网络对抗中节点类型的演化过程。将节点传染病动力学模型加以改进并应用到网络攻防对抗中,用来描述攻防过程中不同状态节点的演化过程及节点状态间的迁移关系。在构建移动目标Markov微分博弈防御模型时,各阶段内运用微分博弈模型分析,阶段间运用Markov决策过程描述状态转移,通过均衡分析和求解,设计防御决策优化算法。最后,通过仿真实验验证该模型和优化策略的可行性和有效性。     

“众销”成就移动互联网

移动运营商正在从移动互联网业务管理向内容运营转型,在内容影响着整个移动互联网产业的发展速度与方向的同时,营销方式的改变将对移动互联网的发展起到至关重要的作用。然而,目前移动运营商的内容营销还仅停留在营业厅柜台销售、捆绑销售、暴力销售层面。营销成本居高不下,营销方式单一,并存在着大量的零次用户,有增量无流量,     

基于校园环境的移动P2P网络体系研究与设计

由于P2P技术的广泛应用以及无线网络和移动设备的普及,人们提出了基于无线网络的移动P2P网络。文中通过分析移动P2P网络的特点和已有的网络模型,结合校园网络环境的特点,设计出基于校园环境的网络体系结构模型,并对模型的资源查找进行详细的描述。模型被划分成三层结构,底层的网络采用改进后的Kelips路由算法通信,该算法的路由复杂度是一个常数,有效减少资源查找时间,保证节点维护状态信息的实时性和正确性;由超级节点组成的中间层,实行分布式管理,采取泛洪搜索算法来通信;顶层是一些域内中心节点,负责连接外网和解决网络的安全问题。仿真实验表明：该模型能够更好地减少资源查找时间,即使大量节点失效,也可以快速检测到节点间关系变化并进行管理。     

连续不确定XML的Top-k查询算法研究

为了解决连续不确定XML高效的top-k查询,提出CProTJFast算法.该算法基于P-文档模型,扩展PEDewey(probabilistic extended Dewey)编码支持连续分布类型节点的编码,采用路径概率下限值进行节点过滤,并针对连续概率密度函数制定过滤策略,从而在计算连续节点概率之前过滤掉不参与结果的节点.实验结果表明,采用连续节点过滤策略的CProTJFast算法有效地提高了连续不确定XML的top-k查询效率.     

A high-performance algorithm for finding influential nodes in large-scale social networks

As one of the significant issues in social networks analysis, the influence maximization problem aims to fetch a minimal set of the most influential individuals in the network to maximize the number of influenced nodes under a diffusion model. Several approaches have been proposed to tackle this NP-hard problem. The traditional approaches failed to develop an efficient and effective solution due to the exponential growth of the size of social networks (due to massive computational overhead). In this paper, a three-stage framework based on the community detection approach is devised, namely LGFIM. In the first stage, the search space was controlled by partitioning the network into communities. Simultaneously, three heuristic methods were presented for modifying the community detection algorithm to extract the optimal communities: core nodes selection, capacity constraint on communities, and communities combination. These extracted communities were highly compatible with the information propagation mechanism. The next stages apply a scalable and robust algorithm at two different levels of the network: 1. Exploring the local scope of communities to select the most influential nodes of each community and construct the potential influential nodes set 2. Exploring the global scope of the network to select the target influential nodes among potential influential nodes set. Experimental results on various real datasets proved that LGFIM could achieve remarkable results compared with the state-of-the-art algorithms, especially acceptable influence spread, much better running time, and more applicable to massive social networks.

     

基于概率转移矩阵的社会网络影响最大化算法

现有近似求解影响最大化算法的时间复杂度较高,为此,提出一种扩展的线性阈值模型及其概率转移矩阵,给出该模型的传播过程及规则,设计基于概率转移矩阵的影响最大化算法,并利用贪心方法寻找到k个最具影响的节点。该算法通过矩阵乘积的方法得到,时刻节点之间的影响概率,无需在每个时刻计算所有非活跃节点的边际效益,从而在较短时间内提高运行时的效率,使得在规模较大的社会网络中被影响的节点最多且信息传播范围最广。仿真实验结果表明,在大规模社会网络中,该算法对社会网络节点的影响范围广且时间复杂度低。     

Using Estimated Personality of Social Network Members for Finding Influential Nodes in Viral Marketing

Sending promotional messages to a few numbers of users in a social network can propagate a product through word of mouth. However, choosing users that receive promotional messages, in order to maximize propagation, is a considerable issue. These recipients are named “influential nodes.” To recognize influential nodes, according to the literature, criteria such as the relationships of network members or information shared by each member on a social network have been used. One of the effective factors in diffusion of messages is the personality characteristics of members. As far as we know, although this issue is considerable, so far it has not been applied in the previous studies. In this article, using the graph structure of social networks, two personality characteristics, openness and extroversion, are estimated for network members. Next, these two estimated characteristics together with other characteristics of social networks, are considered as the criteria of choosing influential nodes. To implement this process, the real coded genetic algorithm is used. The proposed method has been evaluated on a dataset including 1000 members of Twitter. Our results indicate that using the proposed method, compared with simple heuristic methods, can improve performance up to 37%.     

移动社交网络中基于网络中心度的链路预测方法*

移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。在该算法中,根据节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。将该方法与其他4种常用的链路预测方法进行比较,实验结果显示所提方法要优于其他方法。     

异质信息网络中基于邻接熵的影响力最大化

影响力最大化是研究如何在社会网络中寻找小部分最具影响力的节点作为信息扩散源,使信息在网络中传播范围最大的问题.已有相关研究大多只是针对同质信息网络,但现实中的社会网络是包含了多种对象类型和对象之间多种关系类型的异质网络,因此提出了基于元路径的邻接信息熵(MPAIE)模型,以及基于元图的邻接信息熵(MGAIE)模型来模拟异质信息网络中的社会影响.通过设置元路径或元图,该方法可以灵活地整合异质网络中的结构和语义信息,对节点的影响力做出度量,并在两个真实数据集上验证了MPAIE及MGAIE模型的有效性.     

基于社区划分的影响力最大化算法

影响力最大化问题是社会网络中的重要研究方向,其主要目的是获取社会网络中最有影响力的用户使通过这些用户获得影响传播范围的最大化。随着大数据时代的来临,传统的贪心算法因为复杂度高而不能有效解决大规模社会网络下影响力最大化的时间问题。提出一种基于社区划分的影响力最大化算法,利用影响概率将大规模社会网络分成较小的社区模块,并考虑社区边界节点之间的联系,从而最大程度缩小因社区划分造成的社区间的孤立。为进一步提高算法效率,在每个社区中以影响路径作为影响评估单元,同时对每个社区并行处理以便更高效地获取有影响力的节点。通过仿真实验验证了算法的可行性和高效性,其可以较好地适应大规模社会网络环境。     

分层递阶的网络结构洞占据者挖掘及分析

结构洞是在社会网络信息传播中占据重要位置的一类关键节点。据研究,5%的结构洞控制着50%的信息传播。学者们研究了单一粒度网络下结构洞的挖掘方法及分析,然而很多网络存在分层递阶的多粒度结构特性,对分层递阶网络的结构洞挖掘和分析具有现实意义。因此,该文提出了一种分层递阶网络的多粒度结构洞挖掘方法HI-SH,并对不同粒度下的结构洞进行了分析。在该方法中,首先对网络进行多粒度社团划分,得到每一粒度下网络的社团;然后,根据两级信息传播理论,使用单一粒度下结构洞挖掘算法,挖掘每一粒度下top-k结构洞。在公用数据Topic16和真实数据上进行了实验,结果表明,网络的结构洞是动态变化的,单一粒度下的结构洞排名不能代表整个网络的结构洞排名。     

一种基于用户反馈的时间感知推荐方法

将社交网络的动态性和用户反馈信息融入到推荐方法中,提出一种基于用户反馈的时间感知推荐方法。该方法利用时间衰减因子对带有时间加权的动态社交网络进行兴趣衰减分析,使时间间隔较近用户的选择行为对资源对象的推荐作用获得较高的贡献度,体现用户兴趣的时间效应特性。扩展相似度计算方法,将用户反馈表示为正反馈信息和负反馈信息,考虑用户反馈信息对推荐方法的影响。通过在社交网络真实推荐数据集上的对比实验,结果表明该方法优于基于协同过滤的推荐方法。     

基于隐藏标签节点挖掘的跨网络用户身份识别

随着各种社交网络不断涌现,以及针对社交网络的安全和商业应用的不断普及,跨网络用户身份识别成为当前的研究热点。针对现有的基于自中心网络环境算法(Ego-UI)对标签节点利用率不高的缺点,该文提出一种基于隐藏标签节点挖掘的跨网络用户身份识别算法(HLNM-UI)。该算法通过给待匹配节点添加社团聚类信息,将挖掘出的隐藏标签节点加入到自中心网络里,通过对潜在的关系信息加以利用,提高待匹配节点的辨识度,然后利用标签节点找寻最佳匹配,最后通过迭代运算实现全网络所有节点的身份识别。在多个人工随机网络和真实社交网络实验结果表明,该文提出的算法相比现有的基于自中心网络算法具有更高的召回率和F-1值。     

移动机会网络中一种轻量级的分布式社会距离路由算法

目前大部分机会路由算法采取洪泛的方式进行辅助信息的交换造成网络资源浪费严重。针对此问题,提出了一种分布式社会距离路由算法。首先,通过分析节点间接触的稳定性与规律性来确定朋友关系。其次,通过朋友关系来构建节点间的社会距离;进一步地,每个节点维护一张用于记录当前已知的到其他节点的最短社会距离表,通过朋友节点之间相互交换并比较表中信息来不断更新最短社会距离。由于社会距离的构建与更新只需要朋友之间交换信息而并不需要全部节点来参与,极大地减少了辅助信息的交换次数。最后,数据包被发送到与其目的节点社会距离较近的中继节点,保证了数据包高效率地投递。实验结果表明：与接触和传输记录的概率路由（PRoPHET）算法相比投递率提升约3%,包传输延时降低约27%,辅助信息交换次数减少约63%;与基于中心度与相似度的路由（SimBet）算法相比包投递率提升约11%,包传输延时方面基本持平,辅助信息交换次数减少约63%。社会距离路由算法在可扩展性方面的良好表现,为移动机会网络大规模部署提供了理论支撑。