基于社团多特征融合嵌入表示的时序链路预测方法

时序动态网络在静态网络基础上综合了时间属性的概念,包含了网络结构的复杂性、动态性等内涵,是研究复杂网络链路预测问题的较优思维对象,因在现实世界中具有较高应用价值而备受关注。目前大部分传统方法研究对象仍局限于静态网络,存在对网络时域演化信息利用不充分、时间复杂度较高等问题。结合社会学理论,提出一种基于社团多特征融合嵌入表示的时序链路预测方法,该方法的核心思想是通过分析网络动态演化特性,在社团范围内学习节点的嵌入表示向量,融合多特征以衡量节点间连边的生成概率。利用网络集体影响力的方法对节点和连边的权值进行计算,基于集体影响的连边权值进行社团划分,将网络划分为若干个社团子图,得到基于集体影响的相似性指标。在社团范围内,利用有偏的随机游走,结合梯度优化的Skip-gram方法获取所有节点的嵌入表示向量,得到基于社团范围游走的相似性指标。融合节点的集体影响、社团范围节点的多个中心性特征和学习到的节点表示向量,得到多特征融合的相似性指标,3 种新指标都可以用于衡量节点之间形成连边的概率。对比基于移动平均、嵌入表示、图神经网络等经典时序链路预测方法,在 6 个真实数据集上的实验结果表明,所提基于社团多特征融合的方法在 AUC评价标准下取得更优的预测性能。     

一种融合局部拓扑影响力的时序链路预测算法

链路预测旨在发现复杂网络中的未知连接和未来可能的连接,在推荐系统等实际应用中具有重要作用。考虑到许多真实网络的时序特性,时序链路预测逐渐成为研究热点。当前,基于时间序列分析的方法往往忽略了网络演化过程对网络本身的影响,而基于静态网络演化的方法大多仅考虑了局部连边的演化影响,对网络拓扑结构的演化特性挖掘有限。针对上述问题,该文提出一种融合局部拓扑影响力的时序链路预测算法(TLP-FLSI)。首先,基于网络拓扑结构影响力作用,提出时序链路预测的通用模型(CTLPM);其次,研究拓扑实体间相互作用在动态网络上的演化规律,分别定义了节点和连边的演化因子,以及时间序列衰减的演化因子,综合利用多个维度的特征信息,给出了融合局部节点和连边特征影响力的时序链路预测算法;最后,在7个真实数据集上分别进行实验,对比传统基于移动平均方法、误差修正、邻居扩展加权和图注意力网络等时序链路预测方法,实验结果证明该算法具有较好的准确率和排序性能。     

基于免疫算法的网络功能异构冗余部署方法

针对现有安全防御手段无法抵御网络功能虚拟化平台中众多未知的漏洞与后门的问题。运用拟态防御思想,提出一种网络功能虚拟化的拟态防御架构,并针对其中的异构体池构建问题设计了一种基于免疫算法的网络功能异构冗余部署方法。首先,结合熵值法对异构体之间的异构度进行量化评估;然后,以实现异构体之间异构度最大为优化目标将网络功能异构冗余部署问题构建成极大极小问题;最后,基于免疫算法快速求解最优部署方案。仿真结果表明,该方法可以迅速收敛到最优部署方案,并保证异构体之间的异构度值整体分布在较高的水平,有效增加了异构体池的多样性,提升了攻击者的攻击难度。     

基于资源传输节点拓扑紧密性的链路预测方法

针对现有基于网络拓扑结构的局部相似性RA指标未考虑传输节点拓扑紧密性的问题,提出一种节点拓扑紧密性指标及链路预测方法。根据多跳节点资源传输情况确定重要传输节点,基于传输节点周围拓扑集聚程度对拓扑紧密性进行量化,并根据传输节点紧密性对共同邻居传输资源量的影响刻画节点间相似性。实验结果表明,该方法具有较高的普适性,所提相似性指标适合于Precision标准,与CN、AA和CAR等现有相似性指标相比,具有较高的预测精度。     

基于交互行为和连接分析的社交网络社团检测

社交网络的迅猛发展极大地方便了人们的日常生活、工作和学习,但也带来了大量复杂的交互行为和连接模式。如何有效地综合分析网络中的交互信息和网络节点之间存在的连接信息,进而完成高效的社团检测,是在当前网络多维属性的复杂背景下进行网络分析所面临的关键难题。基于此,从有效融合两类不同的异质信息研究出发,提出了一种基于交互行为和连接分析的社交网络社团检测(CDUILS)方法。该方法基于两类信息能够从不同的角度反映网络同一个社团归属的假设,采用联合非负矩阵分解架构,以迭代更新的方式,同时利用两类信息进行社团结果的获取。在真实网络数据集上的实验表明,与已有方法相比,所提方法能够有效融合两类信息进行社团检测,取得了更好的社团划分质量。     

一种时延约束下可靠性保证的服务功能链部署方法

针对网络功能虚拟化环境中底层网络物理节点随机失效导致网络服务中断问题,提出了一种兼顾网络服务可靠性和时延约束的服务功能链部署方法以保证网络服务的可靠性。首先提出一种相邻虚拟网络功能备份实例资源共享的备份机制和单路径与多路径混合的路由策略,然后对时延约束下服务功能链可靠性部署问题建立混合整数线性规划模型,并设计了基于K最短路径扩展的服务功能链部署算法。仿真结果表明,与现有方法相比,该方法降低了节点和带宽资源开销,并提高了网络服务请求接受率。     

中文短文本分类技术研究综述

随着信息技术的迅速发展,网络上产生了海量的中文短文本数据。利用中文短文本分类技术,在低信息量的数据中挖掘出有价值的信息是当前的一个研究热点。中文短文本相较于长文本,存在字数少、歧义多、特征稀疏和信息不规范等特点,导致使用传统文本分类技术效果不佳。首先介绍中文短文本分类技术的研究现状;其次围绕中文短文本分类的基本流程和关键技术进行阐述,并对文本预处理、文本表示、特征扩展和分类算法做出详细介绍;最后对中文短文本分类技术未来发展的趋势进行展望。     

融合连边符号语义信息的网络表示学习算法

为融合连边符号语义信息提升网络表示学习质量,针对现有算法处理复杂连边符号语义信息能力较弱问题,提出一种融合连边符号语义信息的网络表示学习算法,将包含正负关系的连边符号语义信息引入网络表示学习过程。首先,该算法设计基于三层感知机的关系预测模型刻画节点间不同类型的上下文链接关系;然后,引入随机游走策略实现上下文链接采样以适应大规模网络场景训练需求。在三个数据集中实验表明,该算法能够有效建模节点间不同类型的上下文链接关系,挖掘其中包含的复杂语义信息,相比目前最优的SIDE方法,所提算法的性能分别提高了0.31%、1.3%和1.85%。     

基于在线实例配置的服务功能链部署方法

为应对实际环境中网络流量的动态变化,同时降低运营商的运营成本,提出基于在线服务功能扩展的服务功能链部署方法。将空置状态虚拟功能实例的生命周期管理问题建模为雪橇租赁模型,采用雪橇租赁问题的最优解配置空置服务功能实例的生命周期,并设计自适应扩展开销最小化的在线服务功能实例扩展算法。以服务功能实例自适应扩展的结果作为约束条件,将每一时刻的服务功能链部署问题建模为整数线性规划问题,利用遗传算法求解带宽开销最小化的服务功能路径,实现动态场景下的服务功能链部署。仿真结果表明,该方法能根据网络流量变化动态调整虚拟资源,降低服务功能实例自适应扩展成本,节省带宽资源。     

一种基于冗余跳变的虚拟机动态迁移方法

在5G核心网虚拟化环境中,虚拟机共用同一物理服务器会带来一系列的安全问题,如发生侧信道攻击、虚拟节点溢出攻击等,造成用户隐私信息泄露。现有基于虚拟机动态迁移的防御方法是一种有效的主动防御技术,但虚拟机频繁迁移导致了迁移资源开销大和迁移安全性低的问题。为此,提出一种基于冗余跳变的虚拟机迁移方法,对不同虚拟机的迁移频率建立评估计算模型,在保证虚拟机隐私信息安全的前提下减小虚拟机迁移频率,对部分虚拟机采用冗余跳变的方法,以应对虚拟机频繁迁移带来的安全风险。实验结果表明,与现有虚拟机动态迁移方法相比,该方法在取得相同安全防护效果的同时,能够缩短平均迁移收敛时间并降低迁移开销。