基于博弈论的社交网络的控制方法

社交网络虽然实现了网络化的人际信息交流和交友．但同时也存在着大量的例如个人隐私信息泄露等问题。面对这种情况,计算机学术界提出一种基于博弈论的能够避免泄露用户隐私信息的新型的社交网络的访问控制方法。就这一基于博弈论的社交网络控制方法进行相关的简述和分析,以便于人们了解和认识这种社交网络的博弈论控制方法。     

基于位置信息服务的社交网络平台分析与设计

计算机网络技术的迅速发展与普及应用,使得人与人之间的距离不断被拉近,给人们之间的沟通和联系提供了极大的便利。近年来,随着智能手机等移动终端设备的普及,移动终端地理位置信息也开始在社交网络中得到应用,社交网络具备了类似真实世界的位置信息,给人们的社交带来了全新的体验。基于自身所在地理位置的社交平台的开发具有十分重要的现实意义,分析与设计了基于位置信息服务的社交网络平台,从而解决了通过地理位置以及具有共同兴趣爱好来寻找好友的问题。     

基于社交网络分析的企业营销应用策略研究

随着全球社交网络的蓬勃发展,人们对社交网络越来越依赖。如何对社交网络用户、用户关系及用户与企业交互进行分析,使社交网络企业达到以最合适的方式向最合适的客户推荐最合适的产品信息的目的,成为企业必须重视的问题。     

基于社交网络(SNS)的非正式学习模式的研究

随着Facebook、人人网的兴起,社交网络这一基于web2.0的互联网新应用正在世界范围内发展的如火如荼。同时,社交网络也正在为人们的非正式学习提供一种新途径和新视野,越来越多的人利用社交网络进行非正式学习。文章阐述了社交网络环境下非正式学习的特点,并且提出一种基于社交网络进行非正式学习的模式。     

基于WebGIS的地理社交网络空间构建

现代社会电子社交的网络越大越大,基于WebGIS的地理社交网络服务也融入了人们的生活.地理社交网络推出了很多位置信息服务,受到平台框架与语言编写的限制,定位精度受到了很大的影响,而地理位置服务也大多停留于签到与信息分享层面上,并未真正实现空间位置服务.本文对我国网络地理信息系统结构和实现的技术进行研究,提出了基于WebGIS的地理社交网络构建,为人们的出行服务更顺畅服务,满足无网络离线状态的地图查询与应用.     

社交网络研究综述

社交网络已成为Web2.0时代最流行的应用,其服务范围已逐步从社交关系管理扩展到媒体信息、应用集成、电子商务等领域。社交网络中大量的活跃用户为研究网络行为、数据安全、信息传播以及其他跨学科问题提供了宝贵的数据和场景。自Facebook出现以来,研究者先后从不同的角度对社交网络进行了大量的研究,这些研究对人们认识社交网络内部规律、促进ICP服务改进具有重大意义。首先对社交网络的发展进行了简单的回顾;然后从社交网络的数据采集技术、社交网络用户行为分析、社交网络中的信息传播及社交网络中的用户隐私4个方面对已有的研究工作进行总结评价;最后,总结了当前研究中出现的问题并对未来研究发展趋势进行了展望。希望能为该领域的研究者提供一些有益的启示。     

社交网络用户浏览轨迹信息隐私保护方法仿真

随着网络应用的广泛普及,QQ、微信、YY语音、陌陌等社交软件走进千家万户,但社交网络用户浏览轨迹信息隐私保护问题也随之而来。由于社交网络平台安全机制存在漏洞,抵御网络攻击性能不强,使社交网络用户信息纷纷泄露。针对问题根源,提出ACP用户隐私信息防护系统,建立社交网络用户真空登陆模块(VM)、通讯信息密码文模块(RDT)及信息储存保护墙模块(LDM)一体化ACP用户隐私信息防护系统,从根源保护社交网络用户浏览轨迹信息的隐私安全。通过数据模拟仿真实验证明提出的ACP用户隐私信息防护系统,对社交网络用户浏览轨迹信息隐私保护具有可用性与有效性。     

跨社交网络用户识别综述

随着互联网的快速发展,社交网络不断影响着人们的生活方式,其使用率也在不断提高。随着社交网络的发展以及其多样性的特征,用户可能同时具有多个社交网络的账号。如果能够识别出同一用户在不同社交网络中的账号,就能够整合出该用户较为全面的信息,从而挖掘出一些隐藏的信息,对于好友推荐、广告推荐、信息扩散的研究也很有帮助。目前用户识别研究主要是基于用户属性的用户识别和基于社交关系的用户识别。随着用户越来越注重个人隐私保护,社交网络的数据获取限制越来越严格,用户识别也面临巨大挑战。近年来,跨社交网络用户识别也受到学术界的广泛关注。本文整理和归纳了跨社交网络用户识别研究现状,并对未来的研究方向做出展望。     

应用随机游走的社交网络用户分类方法

针对现有在线社交网络用户分类方法不能有效利用用户属性和关系网络信息提高分类性能的问题,设计了一种基于随机游走模型的多标签分类方法MLCMRW。该方法的分类过程包括学习用户初始化类别标签以及通过迭代推理获得用户稳定标签分布两个阶段,并且其可以同时考虑用户属性以及关系网络特征信息进行分类。多个在线社交网络数据集上进行的实验表明,MLCMRW比其它已有的代表性方法有更好的分类性能,并且更适合对现实中的在线社交网络进行用户分类。     

社交分析是如何指引营销拯救生命的

很快社交媒体就成为了新闻的来源，并且社交网络也认识到他们正在打破权威。而这些分析工具将对判断信息是真实的或是捏造的发挥作用。     

基于桥梁用户的多社交网络影响最大化

单社交网络影响最大化问题已经得到了学术界的广泛关注与研究,然而如今多社交网络之间呈现信息互通的趋势.多社交网络中存在的桥梁用户（Bridge User,BU）（即同时拥有多个社交网络账户的用户）,可将信息从一个社交网络分享至另外一个社交网络,信息传播不再局限于单个网络.本文针对多社交网络信息影响最大化进行了相关研究,分析了桥梁用户在多社交网络信息传播中的作用,提出了基于桥梁用户的多社交网络聚合算法,并在得到的聚合图上对多社交网络影响最大化问题进行求解.仿真实验对多社交网络影响最大化问题进行了求解,并证实了桥梁用户在多社交网络信息传播时的作用.     

移动社交网络安全问题与对策研究

随着移动通信技术的提高和智能移动终端的普及,移动社交网络已经在人们生活中扮演着重要角色,给人们带来了极大便利.但是移动社交网络在用户信息泄露和移动支付安全方面的问题,严重威胁着用户的隐私和财产安全.本文从社交网络中用户信息泄漏和移动支付安全两个方面,详细分析了用户隐私泄漏和威胁移动支付安全的主要方式,并给出了相应的防护建议.     

基于微博重复发送的垃圾用户甄别

针对微博平台上的垃圾用户甄别问题,本文提出了基于微博重复发送行为的垃圾用户行为建模和甄别算法。在真实微博垃圾用户数据分析的基础上,本建模方法综合考虑了微博垃圾用户的行为信息、社交网络信息和文本信息,从不同的角度对垃圾用户进行了分析和建模。在真实数据集上的实验证明了方法的有效性,并且对模型中若干参数进行了优化,同时也分析了垃圾用户行为信息、社交网络信息和文本信息对模型的影响程度。     

信息互联创造价值

过去说信息经济,今天强调互联经济,其实从根本上讲,是因为信息化时代,信息已经成为社会的组成部分,成为人们生活的一部分,当然也是社会经济发展的重要组成部分。网络社交平台、社交技术、信息获取渠道、信息存储方式、信息使用模式等无不成为人们生活和社会运行的基本方式,     

基于位置信息的移动SNS数据动态划分复制算法

现有社交网络数据划分算法大多关注于好友关系和交互关系,忽略了位置信息,造成基于位置查询的响应时间较长。针对该问题,设计了一种移动社交网络双层社交图模型,该模型考虑了移动社交网络中用户交互行为的位置依赖性特点;并在此基础上提出了一种基于位置信息的移动社交网络数据动态划分复制算法MSDPR,该算法采用改进的K-Means算法对位置信息进行聚类,再根据聚类结果对数据进行划分,并利用社交关系进行数据的复制。实验结果表明:MSDPR算法在移动社交网络环境下能够有效地提高本地访问率,降低访问延迟,并且在动态加入数据时具有较好的适应性。     

基于节点重构的社交网络的隐私保护技术探讨

互联网的发展使社交网络成为人们聊天、交友、发表言论的重要平台。在社交网络中会存在大量信息,其中涉及到个人身份,社交结构,属性联系等信息就构成了隐私信息,因此需对隐私信息进行有效的保护。分析发现,现有部分基于结构扰动的社交网络隐私保护方案存在对网络结构扰动大、信息丢失率高等弊端。为此,提出了一种基于节点重构的隐私保护方案,重点解决了边缘节点与受保护节点的相似性分析与选取,边缘节点的同构化改造,以及最优化扰动原隐私节点结构等问题。实验结果表明提出的方法在有效保护社交网络隐私的同时,还能确保信息的高可用性。     

在线社交网络中群体影响力的建模与分析

移动互联网技术的飞速发展,给社交网络平台带来了新的颠覆性的转变,也不断地改变着人们的生产、生活和交流方式.在线社交网络由于其特有的注册开放性、发布信息自由性、用户兴趣趋同性等特点,已经超越传统媒体,成为人们传播消息、获取新闻和接收实时信息的主要途径.同时,社交网络中用户之间的各种关系类型多样、相互交织、相互影响,促使用...     

网络安全数据可视化探究

网络安全问题最早出现在上世纪后期.通过使用网络发现,网络虽然能够丰富、方便人们的生活,但同时也存在着一定的风险,网络的安全性一直困扰着用户和网络技术人员.由于各类网站需要填写个人资料,或者人们有时在社交平台留下自己的信息,这些都会泄露用户的信息,使得网络环境不安全,针对这些问题,技术人员研发出了网络安全数据可视化的方法,通过可视化,及时的发现与处理网络安全隐患,使人们可以安全的使用网络.     

一种基于增广网络的快速微博社区检测算法

微博是当前最流行的在线社交媒体之一,有效地检测出微博用户的社区结构,能够帮助人们理解微博社交网络的结构和用户的行为特征,从而为用户提供个性化的服务。然而,现有社区检测算法大多只考虑社交网络节点之间的直接链接关系,忽略节点自身的内容特征。针对此问题,提出一种基于增广网络的快速微博社区检测算法。该算法通过融合社交网络的链接信息以及用户在微博上所发布的博文内容信息构建增广网络,然后以模块度为目标函数快速挖掘增广网络中的主题社区。通过真实微博社交网络的实验表明,提出的算法能够高效地检测出社交网络的主题社区。
     

一种增强的位置分享隐私保护方案*

目前,位置分享已经成为移动在线社交网络中一个非常重要的功能。与此同时,人们也对位置分享过程中产生的隐私泄露问题越来越担忧。如果得不到足够的隐私保护,用户很可能不愿意分享自己的位置信息。针对移动在线社交网络中位置分享的隐私保护问题,本文进行了深入的研究,指出了已有的保护方案的缺陷,提出了一个名为BMobishare 的安全方案。该方案改进了先前方案的架构,并采用位置加密和Bloom过滤器来阻止非法攻击。最后,通过安全分析和模拟实验,证明了BMobishare 方案能有效地保护用户位置和社交网络的隐私信息。