在线社交网络群体发现研究进展

群体是在线社交网络重要的中观组织。群体发现不仅有重要的理论意义,还推动了在线社交网络的应用与发展,有广泛的应用前景。该文总结论述了在线社交网络群体发现的研究进展。在分析群体形成机理的基础上定义在线社交网络群体,并介绍群体发现问题。根据挖掘群体时采用的不同特征,该文分别阐述基于个体属性特征的群体发现方法和综合属性与结构特征的群体发现方法。随后从特征选取和检测算法两个方面重点介绍了恶意行为群体的发现方法。最后,对群体发现进一步的研究方向进行展望。     

社交网络招聘:颠覆在线招聘市场

8月5日,全球最大网络招聘公司Monster发布的财报显示,第二季度营收为2.37亿美元,较上年同期的2.70亿美元下滑12.2％;净利润为500万美元,较上年同期的1100万美元下滑54.5％.就在同时,全球最大的职业社交网站LinkedIn发布的财报则显示,第二季度营收比去年同期的1.21亿美元增长89％,达到2.282亿美元,超过分析师预期的2.165亿美元.     

在线社交网络上学生数量与出生年月的关系研究

以在线社交网络“人人网”上重庆邮电大学1657名大学生为研究对象,研究在社交网络上学生的出生年月对学生数量的影响.研究结果表明入学年龄限制对在校大学生数量有一定影响,10、11、12月这三个月出生的学生最多;学生的出生年份对使用“人人网”的学生数量的影响较大,1985年到1990年这6年出生的学生占总学生数的93.7％,而1991到1995年出生的大学生则大量使用微博,说明学生出生年份对其使用社交网络平台具有明显的时代特征.     

在线社交网络信息传播研究综述

在线社交网络已经成为当今社会信息传播的重要载体,形成了与现实世界交互影响的虚拟社会。大量的研究工作都致力于理解在线社交网络中的信息传播,包括流行度预测、传播建模、信息溯源等。该文综述了这些研究工作的最新成果,对当前社交网络信息传播的研究进行了总结。在综述的基础上,结合大规模在线社交网络的特点,给出了在结构、群体约束下的信息传播进一步的研究方向,包括流行度特征点的预测、信息传播宏微观交互机理研究、不完整观测条件下观测节点的选取等。     

基于人类动力学的在线社交网络信息传播研究

Web2.0时代,社交网络因其交互性和即时性,已成为人类社会中社会关系维系和信息传播的重要载体。因此,理解社交网络用户行为特征及其对在线信息传播的影响至关重要。该文从人类行为动力学视角出发,系统梳理了近年来社交网络用户行为的实证研究。其次,综述了社交网络信息传播中用户行为时间特征的实证研究。最后,对用户行为时间特征与在线社交网络信息传播的相互作用进行了总结和展望。     

基于用户行为认知的在线社交网络协同推荐

近年来,在线社交网络成为人们工作、生活不可或缺的信息共享与交流工具,如何对海量庞杂、大范围时空关联的用户行为信息进行认知并据此提供个性化的推荐服务,已成为在线社交网络发展重点关注的问题。为此,提出了一种基于用户行为认知的在线社交网络协同推荐框架,在对用户特征、文本信息及兴趣偏好等行为进行认知的基础上,利用协同过滤算法,实现个性化的推荐服务。实验结果验证了提出的基于用户行为认知的协同推荐策略具有较好的稳定性和实际应用效果。     

社交网络——在线社区能否解决隐私问题

社交网络重新塑造了人们寻找和分享信息的方式，它们为应用程序新浪潮提供了一个平台，它们的力量也非常深地参与到最近在中东发生的革命中。这些网络的经营者主要通过广告来挣钱，向广告主游说，说社交网络是比搜索引擎或电视更能精准投放的必争之地。     

在线社交网络用户间影响量化的贝叶斯模型

传统的模型专注于合作网络等社交网络,并不完全适用于在线社交网络.而现有的针对在线社交网络的模型简单,片面,缺乏准确性.因此我们提出了基于贝叶斯观点的模型,通过集成在线社交网络提供的有用信息来量化用户间的影响.通过分析对比贝叶斯模型与现有模型找到的影响者,我们发现贝叶斯模型比现有的模型更准确和全面.     

一种在线社交网络的自适应观点引导模型及实现

在线社交网络已成为信息传播的重要途径,给人们获取信息带来便利的同时,也为不良信息的扩散提供了温床。目前主流的在线社交网络都采用关键字匹配的方式屏蔽不良信息的发布,在阻止信息本身的同时,也屏蔽了与其相关的积极观点的传播。本文提出一种自适应的观点引导模型,实现对在线社交网络用户的观点引导。该模型首先分析网络用户对事件／事物的观点和情感倾向,确定其中观点消极的用户作为引导对象,然后向其推送与之关注点相近且情感相对积极的信息或用户,进行观点引导,同时引入反馈机制,根据引导对象的观点变化动态调整推送内容,以实现长期精确引导。基于该模型设计并实现了观点引导系统,包括引导信息模块、观点标注模块、推荐模块和反馈模块,实现了自动选择群体、自动识别群体情感倾向、自动选择和调整推送内容等功能。实验结果表明,该模型能够实现对在线社交网络用户的观点引导。     

基于微分博弈的在线社交网络恶意程序传播优化控制方法

针对在线社交网络（OSN）易传播恶意程序的现状,通过扩展传统的传染病理论,在考虑防御者和恶意程序主观努力度的基础上,提出了能确切描述OSN恶意程序的微分方程模型。利用微分博弈,建立了能反映防御者和恶意程序交互过程的OSN“恶意程序防御微分博弈”模型,当恶意程序动态改变其最优控制策略时,为防御者给出最优动态控制策略。实验结果表明,提出的方法能明显地抑制OSN恶意程序的传播,为防御OSN恶意程序提供了新途径。     

基于信任度评估的社交网络虚假账户检测

在利益驱动下,社交网络中出现大量虚假账户,其发布的虚假消息可对正常用户产生误导。通过对社交网络中大量数据进行分析,发现虚假账户与正常账户在账户特性、行为特性上有较大差异。基于这些差异,结合Rough Set相关理论提出账户信任度的计算模型。所得信任度可用以区分虚假账户,并为正常用户的判断提供依据。实验显示,根据所得信任度对账户排序得到了较好效果,并能够有效区分虚假账户。     

A Personalized Search Model Using Online Social Network Data Based on a Holonic Multiagent System

Personalized search utilizes user preferences to optimize search results,and most existing studies obtain user preferences by analyzing user behaviors in search engines that provide click-through data.However,the behavioral data are noisy because users often clicked some irrelevant documents to find their required information,and the new user cold start issue represents a serious problem,greatly reducing the performance of personalized search.This paper attempts to utilize online social network data to obtain user preferences that can be used to personalize search results,mine the knowledge of user interests,user influence and user relationships from online social networks,and use this knowledge to optimize the results returned by search engines.The proposed model is based on a holonic multiagent system that improves the adaptability and scalability of the model.The experimental results show that utilizing online social network data to implement personalized search is feasible and that online social network data are significant for personalized search.     

网络拓扑对Email蠕虫传播影响的分析与仿真

分析了Email蠕虫与传统蠕虫在扩散传播行为上的不同,着重研究了网络拓扑结构对Email蠕虫传播行：匆的影响,通过对power law网络模型,小世界（small world）拓扑模型和随机拓扑模型三种网络结构的分析设计与仿真实验,提出了Email蠕虫在power law拓扑模型传播速度最快并且易于感染高连接度节点的结论。     

移动社会网络中用户相似性计算的隐私保护研究

移动社会网络（MSN）增强了虚拟世界与现实世界的联系,它允许移动用户发现其现实世界中附近的用户并与之交流。在MSN应用中,为提供更好的服务,通常会比较两个用户的相似性,但在计算用户相似性的过程中很有可能泄露用户的隐私信息。针对这一问题,设计了两种新的相似性计算协议,这些协议保证了在进行相似性计算时不会泄露用户的任何隐私信息。     

小世界理论在蠕虫传播机制中的应用研究

首先介绍了小世界理论的概念及其在互联网商业领域中的应用成果。接着分析了小世界理论在蠕虫研制中的应用问题，将实际生活中互相联系的某些潜在攻击目标之间，通过小世界效应产生聚合，最终产生一个可信任的目标网络。利用文章所述的目标网络构建和分析方法，可以清晰地描绘出蠕虫内部传播的网络结构。     

社交网络中用户区域影响力评估算法研究

以人人网为例对在线社交网络的分析,从区域信息传播的角度出发,研究社交网络中,信息传播的微观过程.通过真实测量用户的信息传播行为,完成用户信息传播网络的构建和测量.发现区域信息传播网络中少量核心节点覆盖了大部分的网络传播行为.针对这些核心节点,文中提出了一种基于节点传播意愿和传播能力综合考察的节点传播影响力识别算法InfluenceRank,并通过与多种相关算法进行比对,验证了算法的有效性.     

基于云安全环境的蠕虫传播模型

云安全体系的出现标志着病毒检测和防御的重心从用户端向网络和后台服务器群转变,针对云安全体系环境,基于经典SIR模型提出了一种新的病毒传播模型(SIR_C)。SIR_C在考虑传统防御措施以及蠕虫造成的网络拥塞流量对自身传播遏制作用的基础上,重点分析了网络中云安全的部署程度和信息收集能力对蠕虫传播模型的影响。实验证明SIR_C模型是蠕虫传播研究在云安全环境下有意义的尝试。