| 面向节点演化波动的社会网络事件检测方法 |
| |
| 作者姓名： | 胡文斌 王欢 严丽平 邱振宇 聂聪 杜博 |
| |
| 作者单位： | 武汉大学 计算机学院, 湖北 武汉 430072,武汉大学 计算机学院, 湖北 武汉 430072,武汉大学 计算机学院, 湖北 武汉 430072,武汉大学 计算机学院, 湖北 武汉 430072,武汉大学 计算机学院, 湖北 武汉 430072,武汉大学 计算机学院, 湖北 武汉 430072 |
| |
| 基金项目： | 国家重点基础研究发展计划（973）（2012CB719905）;国家自然科学基金（61572369,61471274）;湖北省自然科学基金（2015CFB423）;武汉市重大科技计划（2015010101010023） |
| |
| 摘 要： | 社会网络特征千差万别,演化规律错综复杂.合理地分析网络演化规律,及时地检测网络事件具有重大意义.基于链路预测的社会网络事件检测方法利用有限的网络拓扑信息,能够有效地发现网络演化的异常波动,准确地检测网络事件.然而,现有方法大多受到链路预测的宏观评价指标的限制,忽略了不同节点演化波动的差异,用相同的相似性计算指标去描述所有节点的演化波动,不利于提升事件检测的表现.为了进一步提升事件检测的精确性和敏感性,提出一种面向节点演化波动的社会网络事件检测方法NodeED,由节点相似性计算指标判定算法SimJudge和网络微观演化波动检测算法MicroFluc组成.主要工作如下：（1）结合粒子群优化算法,提出SimJudge定量地比较不同的相似性计算指标对节点演化波动的描述程度,确定每个节点在不同时段的最佳相似性计算指标;（2）为了量化事件对网络演化的影响,提出了MicroFluc,充分考虑节点演化波动的差异,从节点演化波动的角度对不同时段的网络整体演化波动进行定量评估;（3）在真实社会网络VAST和ENRON中进行对比实验,其结果表明,NodeED在VAST中的事件敏感性提升了100%,在ENRON中的事件敏感性提升了50%,更有利于精确地检测社会网络中发生的事件.
|
| 关 键 词： | 事件检测 链路预测 节点演化波动 社会网络 网络演化规律 |
| 收稿时间： | 2016-01-23 |
| 修稿时间： | 2016-07-15 |
|
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载免费的PDF全文 |
|
