离线垃圾短信过滤中社会网络行为模式的分析与应用

随着手机短消息服务的发展,垃圾短信呈爆炸性的增长趋势,给人们的日常生活带来了不便,也给通信运营商带来了损失.本文利用短信用户之间的联系构建短信社会网络,分析用户在短信社会网络中的关系及其行为模式,从中抽取出具有类别区分度的社会网络特征,提出了一种新的离线垃圾短信过滤模型.模型针对海量短信数据处理时存在的时空效率的瓶颈问题,提出了线性特征统计算法LFSA,并结合高斯核密度估计和贝叶斯分类器,对短信进行分类过滤.我们使用某省通信运营商提供的30亿条短信数据对模型进行测试,做实验分析.实验结果表明,我们提出的模型能满足运营商的各项性能指标要求,并已部署和应用.     

基于恶意短信的伪基站行为可视分析

由于移动通讯机制存在的认证漏洞,不法分子利用可趁之机,使用伪基站大肆散布恶意短信。这不仅打扰到人们的日常生活,更严重地损害了公民的财产权益,造成了极其恶劣的影响。伪基站行为模式的分析为打击伪基站提供了有效依据。然而,现有的研究伪基站行为的方法无法更好地认识伪基站活动的宏观态势,更难以针对伪基站发送的不同类别恶意短信来探索其行为规律,把握其运动模式。针对这些问题,提出基于恶意短信数据进行可视分析的方法。通过设计基于地图的热力视图、散点视图、日历热力视图、时间堆栈视图,开发可视分析系统FBSVA来探求伪基站的行为规律。最后,使用ChinaVis2017公开数据集进行实验,验证了该方法的可行性和有效性。     

短信业务市场分析

2002年前3个月,全球手机短信总发送量为750亿条,预计全年可达3600亿条。预计2002年全国发送短信息将达到400亿条,是2001年的两倍多,短信息业务仍然是目前最主要的移动数据业务。通过互联网向手机用户发送短信息的业务量增长速度非常快,远远超过手机用户之间业务的增长。对于固网短信而言,信息服务的意义可能比收发短信息更重要,没有合适的合作模式最终必将影响这一业务的推广应用。多媒体短信服务将成为GPRS平台上的一项重要业务,以及未来3G平台上的主要业务之一。     

基于社会网络可视化分析的数据挖掘

把社会等复杂系统看作网络的思想由来已久.利用社会网络分析的方法,能够对各种社会关系进行精确的量化表征和分析。从而揭示其结构,对一系列当代社会的现象进行更加深入而具体的解释.结合社会网络可视化分析和数据挖掘的理论与方法,引入相关的地理信息,对包含1980-2002年间世界范围内1417例恐怖袭击事件的数据库进行数据分析,以这些恐怖袭击事件各要素节点之间关系作为基本分析单位,对恐怖组织之间的活动模式和发展特点等内在规律进行挖掘与解释,得出有意义的结果.提出的方法可以有效地推广应用于蛋白质结构分析、生物基因分析以及各类社会问题的分析过程.     

基于MAS和短信猫结合的短信平台系统

为了在提高办公及时性、准确性的同时降低成本,基于MAS(移动代理服务器)和短信猫的三网短信平台系统结合移动业务和公司政务,在MAS的基础上进行二次开发,利用与MAS接口对接的方法集成短信猫平台,将移动内网短信提交到MAS平台由MAS服务器处理,而电信、联通短信通过短信猫平台直接发送,从而实现了公司行政管理、生产调度等业务的三网(移动、电信、联通)短信通知功能。对公司办公自动化、日常管理及业务工作起到了积极的推动和促进作用。     

社会网络环境下基于负面行为管理与改进的最小成本共识模型的大群体决策方法

提出基于社会网络分析的专家负面行为识别与管理,以及基于改进的最小成本共识模型的大群体决策方法.首先,定义专家正面社会形象、负面社会形象以及观点指标等概念,根据专家负面行为表现方式提出负面社会形象管理、负面评估偏好管理以及双重负面行为管理3种策略;其次,计算专家的观点相似度、正面社会形象相似度、负面社会形象相似度,基于K均值聚类方法对大群体专家聚类;然后,考虑社会形象对共识达成的影响作用,提出基于社会形象的改进最小成本共识模型,以达成群体共识并获得最终方案排序;最后,通过一个众筹平台选择算例分析说明所提出方法的有效性和可行性.     

基于用户行为的微博用户社会影响力分析

社会影响力分析是当前在线社会网络研究中的热点方向.随着微博成为了一种至关重要的大众媒体,更好的分析和衡量微博用户的社会影响力引起越来越广泛的关注.基于从新浪微博收集的大规模数据集,作者结合社会影响力在微博环境中的传播情况,分析了用户行为因素之间的关系.然后提出了一个通过预测用户传播信息能力大小来分析和度量用户社会影响力的方法.该方法结合了来自社会网络结构和用户行为因素两方面的信息,获得了更好的影响力估计结果.基于大规模数据的实验结果表明,作者提出的方法是较为有效的.     

基于社会网络分析的网络舆情数据挖掘

随着网络社会的形成,网络舆情已成为民意的主要载体。分析挖掘舆情信息不能只关注舆情信息内容,更需要对舆情主体社会网络特征进行分析,以此发掘舆情核心群体、演化、趋势,从而正确导向舆情。本文以某网络热点话题为例,对该话题社会网络进行整体挖掘研究,计算分析点度中心度、密度、直径、聚类系数等参数信息,并提出舆情监管建议。     

基于行为识别和SVM的短信过滤方法研究

针对手机垃圾短息难以治理的现象,提出一种基于行为识别和SVM的短信过滤方法。综合行为识别和SVM的特点,从运营商短信业务支撑中心方面实施对垃圾短信的过滤,并对SVM方法进行了相关实验。实验表明,SVM方法在短信拦截过滤方面有着较好的效果。     

信息技术与业务匹配研究进展评述——基于社会网络分析法

对信息技术与业务匹配研究现状进行评述。运用社会网络分析法对目前的研究成果进行梳理。通过主路径分析进行发展脉络和发展阶段分析,采用社会网络分析法,剖析研究领域的知识图谱、研究现状、重要文献、研究主题。最终,分析现有研究的不足,简要展望未来研究方向。     

NETWORK ANALYSIS AND SOCIAL DYNAMICS

Network analysis, an area of mathematical anthropology and sociology crucial to the linking of theory and observation, developed dramatically in recent decades. This made possible a new understanding of social dynamics as a synthesis of network theories. Concrete links can be identified between the actions of self-reflective agents, with rich information processing and decision processes deeply embedded in social worlds, and emergence or change in the self-restructuring systems they operate—including the emergence of organizations, groups, institutions, norms, and cultures.     

基于超图理论的在线社会网络用户行为分析

针对利用二部图刻画在线社会网络用户节点之间的多维度关系特征时的局限性,提出利用超图的数学理论建立用户行为的超网络模型。通过实体用户、用户活动、用户兴趣三维度的映射关系,更真实地刻画了在线社会网络用户行为,并提出利用个体用户兴趣度表征共同兴趣内容的方法挖掘出用户的潜在朋友关系。某论坛的真实数据验证了超网络模型能够快速定位用户并刻画出用户兴趣爱好差异性。因此,该模型对在线社会网络热点话题的规模以及用户隐性关系的挖掘和预测提供了依据。     

用户动态键盘行为分析的网络安全模型

提出一种用户动态键盘行为模型即KDM,它结合了用户敲击键盘的频率、习惯和用户登录密码的认证方式,能达到zero-FAR,而传统论文中误识率(FAR)比较高。它极大地提高了用户登录系统的安全性,FAR比拒识率(FRR)重要的多。在ROC曲线中,KDM能保证0%FAR的情况下改善FRR,没有用等错误率(ERR)这个指标,这一点和传统论文有很大的不同。通过历史数据,证明了提出的方法非常实用。KDM能在毫秒内分析用户的键盘行为特征,这对基于生物特征的系统安全认证非常有效。     

基于位置的社交网络商户数据语义分析

近年来,移动和社交成为了推动互联网发展的两项关键技术。在这两项技术的共同推动下,基于位置的社交网络LBSN得到了快速发展,在全球范围内吸引了海量的用户,不论是学术界还是工业界都在大力投入对LBSN的研究。LBSN网站都是以位置为中心的,也就是说任何用户原创内容,例如签到或评论,都必须与一个具体位置相关联。尽管位置信息在LBSN中扮演着重要的角色,但是目前国内外针对LBSN的研究基本上都是从用户角度出发的,缺少从位置角度的研究。同时,目前对LBSN中用户原创内容的分析缺少对文本信息的分析,在对目前中国最大的在线点评类社交网络——大众点评上的商家评论内容进行了大规模的数据采集,并针对获取的大量用户评论文本开展了语义分析。     

一种基于通讯痕迹的社会网络团伙分析模型

研究在已知目标团伙中某节点以及目标团伙特征的前提下,基于通讯痕迹特征寻找社会网络团伙。研究过程中引入了社会圈、节点中心度和事件集合关联矩阵等概念,重点将聚类分析方法与社会团伙发现相结合,以期得到一种基于通讯痕迹的社会网络团伙分析模型。     

一种基于行为分析的人物关系网络发掘方法

为了从人物行为引导出人物关系,提出一种基于人物行为分析发掘人物关系网络的方法.以特定领域的行为为分析对象,构建该领域的行为模型,获取该领域的核心人物集合,通过训练生成领域的关系模型,最后利用社会网络分析SNASNA(Social Network Analysis),技术发掘人物的领域关系网络.在行政官员活动领域试验该方法,获得了良好的效果.     

复杂社会网络节点重要性可拓聚类动态分析方法

目前大多数复杂网络关键节点影响力识别方法都是建立在静态分析基础之上的,缺乏对节点动态变化的考量。采用可拓聚类方法来量化分析社会网络的动态变化,以多属性决策法测量各节点静态重要性属性值;分别划分等级,取经典域和节域,计算各节点在对应属性上的关联度,并用熵权法取得综合关联度;分析其在同一社会网络不同时间点的变化,给出变动的量和方向。该方法不仅能刻画出节点重要性的变化趋势,而且给出了变化程度。最后,通过实例验证了该方法的可行性和有效性。     

移动社交网络环境下的真实社会关系估计

移动设备的普及促进了移动社会网络的形成。移动社会网络基于用户的物理特征为其提供虚拟交互,而用户在真实世界中的社会关系知识可有效地用于改善移动社会网络服务质量。提出一种基于用户物理特征(包括由GPS坐标代表的位置特征和由蓝牙检测代表的邻近特征)估计其真实社会关系的方法。该方法首先基于用户的GPS轨迹挖掘语义化访问地点(如家、工作地点等),然后结合语义化访问地点和邻近特征估计用户间的社会关系类型。实验结果表明该方法可准确估计三种类型的真实社会关系(包括家人、同事和朋友)。     

融入社会感知的对等社会网络路由模型研究

对等网络是节点资源查找共享的重要途径,目前已设计出大量对等网络路由模型,但是这些模型大都没有对其社会属性进行深入的研究.因此通过融合对等网络资源定位技术和社会网络分析法,提出一种将社会感知嵌入节点选择中的对等社会网络路由模型.通过融入节点的社会属性、节点间的链路关系判断等社会学原理建立起的路由算法,使得节点的选择更加注重节点位置与查找资源间的关系,尽可能地加大物理结构间的联系,进而达到加强算法性能的目标.