社交网络中信息传播方式与拓扑研究

社交网络作为现代社会人际交往的重要方式,越来越受到广大人民群众的欢迎,尤其是青少年人,社交网络几乎成为他们主要的交流方式。中国的人人网、腾讯QQ,还有国外的Facebook等社交网站的发展都是非常迅速的。短短时间之内,社交网站的用户个数出现爆炸式增长,社交网络与人们的生活密切相关。社交网络的发展和迅速崛起,在我们的生活中发挥越来越重要的作用。社交网络的快速发展不仅为我们展现了一个快捷方便的通讯时代,而且可以为我们实现自我价值提供良好的平台,还能够为我们维护权利提供便捷的方法,我们可以通过社交网络表达自己的利益诉求,维护自己的权利,我们可以通过社交网络建立自己的人脉圈、朋友圈,社交网络为我们的交流提供了方便的方式。所以,懂得社交网络中信息传播方式和拓扑是非常重要的。     

社交媒体的融合发展趋势

超越单一平台束缚,信息、用户均以关系和需求为向导,以各种融合的机制、功能和应用所转化并容纳的大数据为链接,则正是融合社交的传播价值和潜力所在。在用户关系的流向和使用习惯的风向变幻中,融合已成SNS、微博和视频分享平台等社交网络谋求更大发展的必由之路。     

发布区块链CNWW3标准的高并发快速交易及交易验证体系模型

当前去中心化区块链网络无论在学术界还是产业界都是非常值得关注的领域,已经有非常多的平台和应用,体现出了旺盛的生命力。去中心化区块链网络自身非常突出的优点,如安全性、数据唯一防篡改等特点,使得越来越多的传统的中心化服务有着向去中心化平台转移需求。但是现有去中心化区块链网络本身存在缺陷,特别是在TPS较低的情况下,存在无法承载现有中心化系统所提供的服务的问题。通过系统地讨论该问题并提出了整套机制,通过有效去中心化、交易分层和网络分片的组合机制,可以在保证去中心化区块链网络的安全性、扩展性和去中心化性上,极大地提高网络单位时间内处理事务的能力,从而能有效地支持传统中心化应用向去中心化平台转移,完成业务和技术的双重升级。本文研究基于区块链标准网络应用Web3. 0(ChainNetWork Web3. 0,CNWW3)模型标准。     

异构社交平台中用户身份解析

跨社交平台的用户身份解析是社交网络一个重要的研究方向,其可以有效集成不同平台的同一用户信息。现有的用户身份解析工作大多针对类型相似的社交平台,平台间的信息相对对称,通过用户在不同平台上的档案属性、空间位置、网络关系等信息的相似度来判别是否为同一用户。然而,在两个异构社交平台中用户信息是不对称的,难以直接获取到用于用户身份解析的相应属性信息。本文研究跨评论类与活动类平台间的用户身份解析方法。为了解决两类社交平台的用户信息属性不对称问题,把用户信息按档案属性、语义序列、特征词序列3类信息组织,从各自的社交平台中抽取相应的信息建立映射关系,提出了综合3类信息的集成匹配算法。考虑了用户活动的时间偏移现象,采用反向传播学习的方法获取时间偏移权重,提出了基于反向传播学习的语义序列与特征词序列相似性度量方法。同时,设计了总体相似度度用于用户身份解析。利用真实数据集进行了充分的实验,实验结果表明了所提出用户身份解析算法的有效性。     

基于用户偏好特征挖掘的个性化推荐算法

为了提升社交网络个性化推荐能力,结合用户行为分布进行个性化推荐设计,文中提出基于用户行为特征挖掘的个性化推荐算法,构建社交网络的用户行为信息特征挖掘模型,采用显著数据分块检测方法对社交网络用户特征的行为信息进行融合处理,提取反映用户偏好的语义信息特征量。从情感、关键词和结构等方面根据用户行为特征组,结合模糊信息感知方法进行社交网络个性化推荐过程中的信息融合处理,在关联规则约束控制下,构建社交网络用户偏好特征的混合推荐模型,实现用户偏好特征挖掘,根据语义分布和用户的行为偏好实现社交网络的个性化信息推荐。仿真结果表明,采用所提方法进行社交网络个性化推荐的特征分辨能力较好,对用户行为特征的准确识别能力较强,提高了社交网络推荐输出的准确性。     

基于区块链的充电交易数据安全存储平台设计

电动汽车充电平台作为智能电网的重要组成部分,越来越多的用户使用充电平台内的充电桩进行充电,充电平台将会存储大量的用户交易信息。在现有的充电桩共享平台中,用户的充电交易数据被保存在中心化的数据库中,但这种过度中心化的存储方式极易遭受恶意攻击而引发单点失效以及重要交易数据被恶意篡改等信息安全问题,并因此可能造成大量用户隐私信息泄露。针对这些问题,利用区块链技术在电动汽车充电平台中选定若干充电站作为数据中心节点,设计了一个充电交易数据存储方案。用户可对交易后的个人数据进行加密控制数据使用权,各数据中心节点之间使用共识机制对加密数据进行去中心化地同步存储。安全分析表明所设计的数据存储平台能实现安全、有效的数据存储。     

基于用户行为挖掘的融合社交网络推荐模型

采用大数据处理技术和并行计算方法进行融合社交网络的用户行为特征的挖掘,实现社交网络智能推荐,提出一种基于用户行为挖掘的融合社交网络推荐模型。采用关联规则分布模型进行融合社交网络的用户行为特征检测,提取融合社交网络的用户行为的本体信息和关联规则项,构建社交网络的联合推荐的模糊决策模型,计算融合社交网络用户行为的联合信息熵特征值,采用模糊C均值聚类方法对提取的特征量进行分类识别,根据分类识别结果实现用户行为挖掘和融合社交网络的自适应推荐。仿真结果表明,采用该方法进行融合社交网络的用户行为特征挖掘的查准率较高,推荐的置信度水平较高。     

ITTDAF:不依赖父权限信息传递的去中心化授权框架

为了解决现有去中心化授权协议在支持传递权限时需要传递父权限信息从而容易导致权限信息泄露的问题以及单个用户信息泄露会威胁到其他用户权限的机密性的问题,本文提出了基于检索树结构和可信平台模块的去中心化授权框架ITTDAF,其核心思想是用户在授予其他用户权限时,需要将授权信息告知提供相关资源的实体,由资源实体基于授权信息生成...     

面向开放式社交平台的虚拟用户身份同一认定技术的研究

随着社交网络平台的普及和多元化发展，互联网上由匿名用户引起的谣言传播、网络犯罪等社会公共安全问题层出不穷，因此对不同平台上的用户进行身份同一性认定成为网络安全领域亟待解决的问题。本文以开放式社交平台微博上的用户个人简介及其发布的文本信息为研究对象，通过抽取账号上下文构建特征，进而采用不同算法构建二分类模型对其身份进行同一认定研究，并通过策略的融合提升实验结果的准确度，融合后同一认定的准确率达到85%以上。     

社交网Twitter平台的人物关系网社区发现

社交网络服务（social networking service,SNS）已融入到大众生活中。人们将自己的信息上传到网络中,并通过社交网站管理自己的社交圈子,由此造成大量的个人信息在社交网络上被公开。文章基于Twitter平台,设计实现了Twitter用户关系网的社区发现。通过实时采集Twitter用户信息,重建人物关系网,改进Newman快速算法划分社区发现人物关系网。文章通过可视化的界面呈现用户的社区关系,提供用户网络行为,为决策者的舆情监控或个性推荐提供了参考凭据。