基于权重信息挖掘社会网络中的隐含社团

社团结构是一种普遍存在于各类真实网络中的结构特性.挖掘网络的社团结构对于理解网络的功能与行为有着重要作用.然而,现有的各种社团挖掘算法仅仅基于网络拓扑结构信息,而忽视了蕴涵于真实社会网络边权信息中丰富的语义信息.目前普遍使用的基于模块性最大化的社团挖掘算法倾向于将小社团合并,这使得语义上丰富的小社团容易湮灭于基于拓扑结构信息所挖掘出的大社团中.而挖掘出这些隐含于大社团中的有着丰富语义内涵的小社团对于加深社会网络语义层面的理解有着重要作用.为此,提出一个接近线性复杂度的有权网络社团挖掘算法.通过充分利用权重信息,算法可以将社会网络划分为富含语义信息的粒度较细且相对较小的隐含社团.通过对基于DBLP作者合作网络的实证分析,证实了新算法的有效性和高效性.     

Balanced Multi-Label Propagation for Overlapping Community Detection in Social Networks

In this paper,we propose a balanced multi-label propagation algorithm(BMLPA) for overlapping community detection in social networks.As well as its fast speed,another important advantage of our method is good stability,which other multi-label propagation algorithms,such as COPRA,lack.In BMLPA,we propose a new update strategy,which requires that community identifiers of one vertex should have balanced belonging coefficients.The advantage of this strategy is that it allows vertices to belong to any number of communities without a global limit on the largest number of community memberships,which is needed for COPRA.Also,we propose a fast method to generate rough cores,which can be used to initialize labels for multi-label propagation algorithms,and are able to improve the quality and stability of results.Experimental results on synthetic and real social networks show that BMLPA is very efficient and effective for uncovering overlapping communities.     

Discovering Social Networks from Event Logs

Process mining techniques allow for the discovery of knowledge based on so-called “event logs”, i.e., a log recording the execution of activities in some business process. Many information systems provide such logs, e.g., most WFM, ERP, CRM, SCM, and B2B systems record transactions in a systematic way. Process mining techniques typically focus on performance and control-flow issues. However, event logs typically also log the performer, e.g., the person initiating or completing some activity. This paper focuses on mining social networks using this information. For example, it is possible to build a social network based on the hand-over of work from one performer to the next. By combining concepts from workflow management and social network analysis, it is possible to discover and analyze social networks. This paper defines metrics, presents a tool, and applies these to a real event log within the setting of a large Dutch organization.     

在线社会网络的动态社区发现及演化

在线社会网络研究中,动态隐含社区或群组结构的发现及演化探测是一个十分关键的核心问题,它对于在中观(Mesoscopic)视图观察在线社会网络隐结构特征、预测演化趋势、掌控网络势态、发现网络异常群体事件等具有重要意义.文中首先分析了动态社区发现和社区演化研究的关系,给出动态社区研究中关键挑战问题;然后根据问题背景的不同,从“同构社会网络的动态社区研究”和“异构社会网络的动态社区研究”两个方面进行国内外相关研究现状的阐述和分析,其中,在“同构社会网络的动态社区研究”中,根据评价方法的差异和关注问题的不同将当前相关研究分为基于时空独立评价、时空集成评价、统一评价和增量式算法4大类进行综述,同时对动态社区发现的重要应用——异常群体发现的研究进行介绍;最后对在线社会网络动态社区领域的难点和发展趋势进行分析和展望.     

Community Detection in Dynamic Social Networks Based on Multiobjective Immune Algorithm

Community structure is one of the most important properties in social networks,and community detection has received an enormous amount of attention in recent years.In dynamic networks,the communities may evolve over time so that pose more challenging tasks than in static ones.Community detection in dynamic networks is a problem which can naturally be formulated with two contradictory objectives and consequently be solved by multiobjective optimization algorithms.In this paper,a novel multiobjective immune algorithm is proposed to solve the community detection problem in dynamic networks.It employs the framework of nondominated neighbor immune algorithm to simultaneously optimize the modularity and normalized mutual information,which quantitatively measure the quality of the community partitions and temporal cost,respectively.The problem-specific knowledge is incorporated in genetic operators and local search to improve the effectiveness and efficiency of our method.Experimental studies based on four synthetic datasets and two real-world social networks demonstrate that our algorithm can not only find community structure and capture community evolution more accurately but also be more steadily than the state-of-the-art algorithms.     

移动通信网络语境下的社会网络分析

介绍了移动通信和移动互联网的发展及融合过程,给出了社会网络的变迁和传播的历程,最后分析了移动通信网络下社会网络的特征,提出移动通信网络和社会网络的融合为人类社会交往创造了更为广阔的发展空间。     

移动P2P社会网络中关键节点发现方法

传统的消息传播关键节点发现方法大多针对静态网络进行研究。针对移动P2P社会网络这类复杂的动态时变网络,提出了一种其时效性随时间和传播路径衰减的一般类型消息传播过程中关键节点的发现方法。将静态网络中基于通路(walk)的节点中心性分析方法扩展到移动P2P社会网络中,将消息传播路径分解到时间一空间两个维度上,并利用两个衰减因子分别刻画消息的效用随传播路径长度衰减及随时间推移衰减这两种自然特性,利用节点的历史相遇信息,得到了节点传播能力的量化分析函数,以此刻画节点对时效性消息的相对传播能力。基于真实Trace数据的实验结果验证了该方法的可行性。由于所述方法考虑了消息时空两个维度上所有可能的传播路径,也可用于有效预测网络的演化和不同节点在未来传播或获取消息时的相对重要程度。     

移动IPv6网络多路由器环境优化探讨

论文将讨论在IPv6环境中,一个移动网络中同时存在多个路由器的条件下,比较单路由器条件所需要进行的优化工作。论文将提出两种方案,并且针对每种方案的优劣进行讨论。实现这项工作的意义在于可以有效地减少移动路由器和本地代理以及对等节点之间报文交互的数量或是降低本地代理和对等节点的缓冲绑定(CachedBinding)中所存储记录的数量,最终将有助于节约系统资源和提高搜索效率。     

Mobile IP网络中主动分布式移动网络管理系统

由于无线移动网络带宽低、延迟高以及移动性强的特点，传统的SNMP集中式网管也由于自身的缺陷无法，接有效地对无线移动网络进行管理．为此，我们提出了一个Mobile IP网络中主动分布式移动网络管理系统的结构框架即将新型分布式网络体系结构一主动网络融合于移动网络管理．本文详细描述了系统工作流程、管理过程以及功能结构，并在一个宽带无线IP网络中进行了原型实验，实验结果证明系统高效、分布、灵活和可扩展.     

移动自组网基于簇的分布式入侵检测模型

首先结合移动自组织网络的特点和安全现状,分析了入侵检测技术在移动自组网中面临的挑战。接着,提出了改进的基于簇的分布式入侵检测模型,并将该模型与一般的基于簇的入侵检测模型进行对比,然后给出了簇首入侵检测单元的功能模块设计,最后讨论了协作检测的工作机制。     

移动社交网络实时缺席隐私保护

针对移动社交网络中的缺席隐私保护问题,建立用户自定义隐私保护参数模型。设计用户个性化设置隐私参数的方法,给出运动情况下缺席隐私保护的必要条件,并采用泛化方法实现缺席隐私保护及资源的实时发布。在人造数据集上与WYSE算法进行对比,实验结果表明,在计算时间相当的情况下,该算法的发布延时较少。     

情景感知的P2P移动社交网络构造及发现算法

如何通过情景感知,获得用户的行为特征,从而自动发现潜在的社会关系,是移动社交网络重要的研究内容之一.该文提出了情景感知的移动P2P社交网络系统架构、聚合模型及发现算法,将用户的位置信息、环境特征、运动轨迹等引入到聚合算法中,智能地聚合成潜在的P2P社交网络,根据用户需求自主发现匹配的社会关系,避免了社交活动的盲目性和随意性.最后对该方案和算法进行了理论分析及实验验证,结果表明该文所提出的方案和算法具有较高的响应速度、准确率及用户满意度.     

一种动态的移动社交网络拓扑模型

针对移动社交网络的动态性、用户不同重要性和信息交互有向性,基于4种初始网络提出能准确描述移动社交网络结构的拓扑模型。采用随机游走理论和改进的PageRank算法,引入过渡概率使每两时步之间的网络拓扑结构相互联系。通过PageRank算法得到节点的势,进而求出概率过渡矩阵,利用随机游走理论由上一时步边存在概率矩阵和概率过渡矩阵得到当前时步边存在概率矩阵,每一时步动态地增加一个节点并检验是否有离开的节点。仿真结果显示,该模型在4种初始网络下得到的网络拓扑结构,入度、出度、势分布以及度-势相关性均具有明显幂律特性,表明随机游走理论和改进的PageRank算法能较准确描述移动社交网络,具有一定的实践意义。     

移动环境下基于用户轨迹的社交亲近度研究

提出了一种基于时空轨迹的社交亲近度模型,目的是为了解决新一代广播电视服务系统中移动手机电视用户之间控制内容分享问题。该模型首先将用户轨迹空间离散化,并将用户轨迹映射到该离散空间。然后根据相同时刻,用户之间的空间距离,计算用户之间的社交亲近度。根据亲近度,将其朋友分组,以控制分享内容。实验结果表明,该方法能够有效反映用户地理位置轨迹与用户之间的社交关系,平均分组正确率达89%。     

A Termination Detection Protocol for Use in Mobile Ad Hoc Networks

As devices become smaller and wireless networking technologies improve, the popularity of mobile computing continues to rise. In today's world, many consider devices such as cell phones, PDAs, and laptops as essential tools. As these and other devices become increasingly independent of the wired infrastructure, new kinds of applications that assume an ad hoc network infrastructure are being deployed. Their development forces software engineers to revisit well understood problems in a setting in which existing solutions are no longer working. This paper illustrates one such attempt by focusing on an important problem in distributed computing, termination detection in diffusing computations, in an ad hoc network environment. We formulate an algorithmic solution amenable to usage in mobile ad hoc networks. Along the way, we highlight several important software engineering concerns one must address and design strategies one might employ in a mobile setting.     

一种基于支持向量基的MANET簇化方法

文章利用支持向量机对无线移动网络中的移动节点进行分类训练,将移动节点分为簇头节点和一般节点两类,并利用训练好的支持向量机对移动节点进行识别。实验证明该方法有助于简化移动Ad-hoc网络(MANET)簇化过程,节省簇化时间。     

一种从马尔可夫聚类簇发现潜在WEB社区特征的方法

在分析了目前一些典型的社区发现算法的基础上,通过对无主题条件下的隐含社区发现算法的研究,提出将基于流的社区特征和马尔可夫图形聚类算法(MCL)的簇结合起来寻找Web隐含社区的方法.将镜像或近似镜像页面的删除放在图形聚类之后,大大减少了比较的代价.然后,在聚类簇的基础上,使用判定每个簇内元素的筛选算法产生可能的社区候选集合.实验表明,该方法是可行的,可以发现许多存在的社区.     

社交网络重叠社团检测初探磁

大数据环境下社交网络的社团结构研究对解决很多现实问题有着重要的意义。社团通常被看作是有相对紧密的内部连接和比较稀疏的外部连接的子图,重叠是社团结构的一个重要特征。论文基于 G（n ,p）模型,提出了一种生成包含重叠社团的合成网络的方法,然后基于 k-均值和随机游走设计了一种重叠社团的检测算法,并在合成网络上初步验证了该方法的可行性。     

移动Ad hoc网络安全技术研究

介绍了移动Ad hoc网络安全技术,并具体研究了移动Ad hoc网络中的入侵容忍技术。     

基于隐马尔可夫随机场的社区结构发现算法

针对社区结构发现问题,提出了一种基于隐马尔可夫随机场社区发现算法.该方法将网络中的顶点度数映射为顶点信息值,用马尔可夫随机场模型描述网络中上下文信息并构造系统能量函数,使用迭代条件模式算法对能量方程进行优化.该方法在Zachary空手道俱乐部网络、海豚关系网络以及美国大学足球联赛网络上进行验证,实验结果表明,该算法的准确率较高.