网络水军识别研究

网络水军识别关键技术已成为当前数据挖掘领域最为活跃的研究之一.如何挖掘海量用户信息中潜藏的网络水军特征与行为模式,从而发现网络水军,以维护良好的网络环境,保障合理的网络秩序,已成为一项十分具有挑战性的工作.对比传统与新型网络水军识别研究,从识别特征角度对近几年内网络水军识别研究进展进行综述,对其关键技术和效用评价进行了前沿概括、比较和分析,并对网络水军识别中有待深入研究的难点和发展趋势进行了展望.     

国内网络水军识别研究

目前网络水军的识别已经成为一项具有挑战性的工作.为了维持良好的网络环境,保证合理的网络秩序,我们可以从大量的用户信息中挖掘出水军的特征和行为模式,从而发现网络水军.按水军目 标领域可划分为邮件水军、电商领域的网络水军、社交领域的网络水军和微博领域的网络水军并从其目标领域角度对近几年国内网络水军识别研究进行综述,并对网络...     

基于网络关系的微博水军集团发现方法

由于目前水军的高伪装性,经典的水军识别算法变得不再有效。与真实用户相同,水军用户之间也会形成一定的网络结构,提出了一种基于网络关系的方法来发现水军集团,首先以一个典型的水军账号作为种子,逐层扩展粉丝关系,优先搜索出现次数频繁的用户,从而获得一个包含大量水军账号的集合,按照水军用户之间关系的高度聚集性以及与真实用户之间关系稀疏性的特点,用Fast Unfolding算法进行社区检测。实验结果表明,该方法能够很好地发现水军集团。     

编码分组网络的效用最大化研究

对基于网络编码方案的分组网络(即编码分组网络)的效用最大化问题进行研究。利用网络编码和网络流的对应关系以及组播树分解方法提出单通话编码分组网络效用最大化模型。基于对偶分解理论推导出解决单通话编码分组网络效用最大化问题的分布式次梯度投影算法,找到一个有效的Lipschiz常数从而得到算法收敛的充分条件。通过仿真验证了该算法的正确性。     

基于效用模型的网络控制

近年来，国外的研究者开始尝试着将微观经济学研究方法引入网络控制，为这一领域问题的解决提供了崭新的思路。该文重点介绍微观经济学中的效用模型在接入控制、资源分配、拥塞计费和SLA管理中的应用，并指出当前网络控制存在的问题以及下一步的工作。     

基于效用模型的网络定价策略研究

网络定价问题一直是宽带通信网中的核心问题。在传统定价策略基础上,将服务级别引入效用模型,寻找同时满足客户效用最大化和网络提供商收益最大化的价格均衡点,在理论模型基础上,通过设定具体的用户效用函数以及网路提供商成本函数,运用仿真模拟的方法验证了这种定价策略的现实可行性。     

基于网络效用最大化的车联网功率控制算法

针对车联网（IoV）中车流密度增加到一定程度时,即使无线信道中只有信标消息,信道拥塞也会发生的问题,提出一种分布式加权公平功率控制（D-WFPC）算法。首先,考虑车联网的实际信道特性,采用Nakagami-m衰落信道模型建立随机信道模型;然后,考虑车联网中节点的移动性,基于网络效用最大化（NUM）模型建立功率控制优化问题,控制本地信道负载在阈值之下,从而避免拥塞;最后,通过对偶分解和迭代法解决该问题,设计分布式算法,每辆车根据周围环境的邻居车辆的信标消息,动态调整发射功率。仿真实验中,与固定发射功率方案相比,随着车流密度增大,D-WFPC算法能有效降低时延和丢包率,最高降幅分别达到24%和44%;与公平分布式发射功率拥塞控制（FCCP）算法相比,D-WFPC算法全程性能占优,时延和丢包率的最高降幅分别达到10%和4%。仿真结果表明,D-WFPC算法能快速收敛,保证车联网中消息的低时延、高可靠传输。     

基于效用的容迟网络路由技术研究*

容迟网络作为移动自组网和传感器网络最新的发展形式,在智能公路、生物监测、卫星通信、乡村通信、个人信息交换等领域具有十分广阔的应用前景。容迟网络路由设计是一个富有挑战性和前景的新兴研究领域,本文概述了容迟网络路由技术的发展、面临的挑战和评价指标,对容迟网络路由协议进行了分类,详细介绍了目前主要基于效用的路由协议基本原理和特点,并进行深入分析和比较,最后结合该领域当前研究现状,对未来研究容迟网络效用路由算法进行了总结和展望。     

基于关系图特征的微博水军发现方法

随着网络水军策略的不断演变,传统的基于用户内容和用户行为的发现方法 对新型社交网络水军的识别效果不断下降.水军用户可以变更自身的博文内容与转发行为, 但无法改变与网络中正常用户的连结关系,形成的结构图具有一定的稳定性, 因此,相对于用户的内容特征与行为特征,用户关系特征在水军识别中具有更强的鲁棒性与准确度. 由此,本文提出一种基于用户关系图特征的微博水军账号识别方法. 实验中通过爬虫程序抓取新浪微博网络数据; 然后,提取用户的属性特征、时间特征、关系图特征;最后,利用三种机器学习算法对用户进行分类预测. 仿真结果表明,添加新特征后对水军账号的识别准确率、召回率提高5%以上, 从而验证了关系图特征在水军识别中的有效性.     

基于群体行为的社交媒体中水军分析

社交媒体是当下非常热门的一种互联网应用。在发生公共事件时,许多当事人雇佣公关公司在社交媒体上发布虚假信息来影响舆情。这部分为公关公司所服务的社交媒体账号称为水军。水军在当下的中国社交媒体中有泛滥的趋势。基于水军的群体行为分析社交媒体中的水军集团。定义了情感社会网络和情感社会网络中的团的概念;设计了一个分析框架,包括提出了情感社会网络中发现社区,以及从社区中发现对立的派别（称为团）的算法。从微博的评论数据构建情感社会网络,并发现情感社会网络中的团,可以识别水军,而且可以考察社交媒体中的水军集团的特性。采用人工标注的数据集进行了实验。     

Mesh网络中基于效用转发的路由恢复算法

在文献[10]的无线M esh网络路由算法的基础上,提出一种改进的基于效用转发的路由快速恢复算法,根据不同网络环境下影响效用值的各因素所占权重不同的特点,利用节点的历史通信数据,动态获取权重值,使算法能更好适应真实的网络环境;综合利用网络时延、节点效用值和节点之间的跳数,选择最优的下一跳转发节点,减少网络中不必要的时延...     

网络音乐标签效用度和稳定性研究

为改善多分类标注时的无序标注问题,提出了一种适用于网络音乐标签动态排序的支持算法。基于点击标签和其他操作的日志数据计算分类标签效用度,以模糊数学理论为基础,提出了标签效用度量模型、效用度量算法与效用漂移度量算法。根据网络音乐的元数据结构属性,构建了音乐标签体系的层次结构模型;
　　设计了一组能够表达分类标签效用的特征指标,并利用带有自适应特性的模糊数学理论计算标签效用度;在分类标签效用模型的基础上提出了长期和短期效用漂移的模型,并创新地用效用波动度指标来衡量长、短期效用的稳定性;在音乐平台案例实际数据的基础上进行了算法验证,表明了该算法的适用性。     

社交网络水军用户的动态行为分析及在线检测

利用社交网络用户的静态行为特征识别水军用户,无法检测水军用户的动态行为且难以应用于在线检测的环境。为此,构造社交网络用户的动态行为特征,分析正常用户和水军用户间的差异,以半监督模型为基础,结合动静行为特征构建在线检测模型,通过静态行为特征聚类及动态行为特征过滤筛选,使半监督模型利用最有价值的未标记用户数据进行增量学习,从而检测水军用户。实验结果表明,该模型的F1值高达93.33%,平均训练时间约为2 min,能够有效检测社交网络上的水军用户。     

传感器网络多路径传输效用-寿命折中优化研究

网络效用和网络寿命是无线传感器网络速率控制研究中两个极为重要而又互相冲突的设计目标.为兼顾网络性能需对二者进行折衷处理.通过引入折衷因子,建立网络效用和寿命的组合优化模型,利用拉格朗日对偶分解方法对优化问题进行求解,设计分布式的最优速率控制算法.仿真结果表明,通过调节折衷因子,可实现网络寿命和效用的均衡,并验证了提出算法的收敛性能及全局最优性.     

基于社区的机会网络冗余效用混合转发机制

针对机会网络主流路由协议没有考虑到节点的社区特性,提出了一种基于社区的冗余效用混合转发机制。该算法从合理降低洪泛度和准确预测效用值方面出发,通过消息筛选、消息优先级和活跃节点机制对消息进行有效处理和转发。与经典的Epidemic和Prophet算法相比,该算法具有消息传达率较高、传输延时小和网络开销低的特点。     

mesh网络中基于效用转发的网络编码算法

在已有的无线Mesh网络路由算法的基础上,针对网络的动态变化性和差异性等因素带来的问题进行了研究,提出一种基于效用转发的网络编码算法.首先利用节点间的历史通信数据,动态获取不同网络环境下影响效用值的各因素所占的权重值;然后在簇头节点和汇聚节点处进行二维随机线性网络编码,结合节点的剩余能量、效用值和丢包率判断节点能否进行编码,并且采用编码包优先传输的策略转发数据包;最后综合利用网络时延、效用值和节点间的跳数,选择最优的下一跳转发节点.仿真结果表明,该算法能更好地提升数据包的转发效率,降低传输时延,提高网络的性能.     

基于效用优化的网络编码拥塞控制模型

描述一类多编码组播情形下的网络效用最大化问题,引入用于稳定发送节点窗口和中间节点队列的约束。基于问题的原始及原 始-对偶形式,分别提出2种网络编码拥塞控制模型,并通过Lyapunov判据证明了模型的全局渐近稳定性。该模型是完全分布式的反馈控制系统,所描述的算法只要求端到端的信息交换,能应对网络的动态变化,且具有类TCP拥塞控制的形式,从而显示其与现行网络架构的兼容性。