1數(shù)據(jù)精準(zhǔn)感知型社會(huì)信息網(wǎng)絡(luò)不完備多社會(huì)關(guān)系填補(bǔ)方法研究

　　在社會(huì)信息網(wǎng)絡(luò)中，許多節(jié)點(diǎn)之間的關(guān)系是未知的，從數(shù)據(jù)精準(zhǔn)感知的角度來(lái)講，有必要對(duì)未知的、不完備的社會(huì)關(guān)系進(jìn)行補(bǔ)全。社會(huì)信息網(wǎng)絡(luò)不完備社會(huì)關(guān)系填補(bǔ)，實(shí)際上是一種基于給定的圖以及已知邊來(lái)預(yù)測(cè)未知邊的問(wèn)題。進(jìn)一步講，它可以轉(zhuǎn)化為傳統(tǒng)的機(jī)器學(xué)習(xí)問(wèn)題——矩陣補(bǔ)全(MatrixCompletion)。最常見(jiàn)的矩陣補(bǔ)全方法是矩陣分解。矩陣分解在矩陣缺失值較少的情況下非常有效，其重構(gòu)矩陣能保留原始矩陣大部分信息，然而真實(shí)的社會(huì)信息網(wǎng)絡(luò)往往是一個(gè)稀疏矩陣，僅僅擬合少量值來(lái)分解大規(guī)模稀疏矩陣，容易引起“過(guò)擬合”問(wèn)題，進(jìn)而影響模型的泛化能力，對(duì)未知元素的預(yù)測(cè)能力減弱[2]。因此，我們需要另辟蹊徑，尋求大型稀疏矩陣填補(bǔ)新方法。為了消除稀疏矩陣結(jié)構(gòu)約束，實(shí)現(xiàn)對(duì)任意類型關(guān)系矩陣進(jìn)行填補(bǔ)，我們研究的重點(diǎn)是利用多源網(wǎng)絡(luò)知識(shí)的協(xié)同共享，發(fā)現(xiàn)相似知識(shí)間的潛在關(guān)聯(lián)，構(gòu)建潛在關(guān)系矩陣，提高大型稀疏矩陣填補(bǔ)的性能。

　　2動(dòng)態(tài)核協(xié)同社會(huì)信息網(wǎng)絡(luò)群體關(guān)系融合方法研究

　　基于核協(xié)同挖掘的極大相似子關(guān)系具有動(dòng)態(tài)性及連續(xù)性，從聚類的角度來(lái)講，處理動(dòng)態(tài)數(shù)據(jù)目前主要有兩種手段。一種忽略了數(shù)據(jù)隨時(shí)間的變化，在隨時(shí)間累積的整體數(shù)據(jù)上直接應(yīng)用傳統(tǒng)聚類方法。但是，在社會(huì)網(wǎng)絡(luò)演變過(guò)程中，突發(fā)事件的產(chǎn)生使得每一網(wǎng)絡(luò)快照上的聚類是明顯的，因此整體聚類結(jié)果可能是毫無(wú)意義的。另一種則忽略了不同時(shí)刻數(shù)據(jù)之間的關(guān)聯(lián)性而在每一個(gè)網(wǎng)絡(luò)快照上單獨(dú)應(yīng)用傳統(tǒng)聚類方法，這導(dǎo)致了不同時(shí)刻的聚類結(jié)果相差甚遠(yuǎn)。針對(duì)研究需要，我們的目標(biāo)是設(shè)計(jì)具有普適性的在線式動(dòng)態(tài)群體關(guān)系融合算法，以聚類結(jié)果精準(zhǔn)為前提，實(shí)現(xiàn)時(shí)變條件下聚類結(jié)果仍然能夠保持光滑性。

　　3多維協(xié)同感知型社會(huì)信息網(wǎng)絡(luò)演化分析

　　這部分的研究可以概括為演化特征分析、共棲屬性提取、協(xié)同演化分析三個(gè)層面。

　　具體地說(shuō)：

　　1)基于TimeLine的感知型社會(huì)信息網(wǎng)絡(luò)演化特征研究。基于TimeLine的感知型社會(huì)信息網(wǎng)絡(luò)演化特征研究的主要內(nèi)容是對(duì)其時(shí)序特征進(jìn)行分析。因?yàn)樯鐣?huì)信息網(wǎng)絡(luò)中存在著多變性、瞬時(shí)性、Churn特性，因而從已有社會(huì)感知數(shù)據(jù)中獲取TimeLine的準(zhǔn)確程度將直接影響時(shí)序特征的分析結(jié)果。抽取TimeLine的時(shí)序間隔過(guò)大、過(guò)小或過(guò)于平緩，都不能準(zhǔn)確的反映出該時(shí)間區(qū)間所發(fā)生事件的明顯特征[3]。如圖1所示，TimeLine上有五個(gè)時(shí)序區(qū)間T1、T2、T3、T4、T5，其中T1與T2、T2與T3之間存在著相對(duì)的變化特征，T1與T5之間屬于絕對(duì)變化特征。因此，如何通過(guò)已有的社會(huì)感知數(shù)據(jù)，提取理想狀態(tài)下的TimeLine，并通過(guò)演化分析算法，對(duì)TimeLine上的不同時(shí)序進(jìn)行演化特征分析是本研究的研究重點(diǎn)之一。

　　(2)感知型社會(huì)信息網(wǎng)協(xié)同共棲屬性提取。該研究將通過(guò)對(duì)感知型社會(huì)信息網(wǎng)協(xié)同共棲屬性提取，對(duì)其演化屬性進(jìn)行分析。目前的研究，大多以靜態(tài)或時(shí)序網(wǎng)絡(luò)快照為主。因此在實(shí)現(xiàn)連續(xù)動(dòng)態(tài)的演化環(huán)境中，需要重新定義協(xié)同演化度量指標(biāo)。其中，共棲屬性可以區(qū)分出社會(huì)信息網(wǎng)絡(luò)中感知對(duì)象之間是共生關(guān)系，還是競(jìng)爭(zhēng)關(guān)系等。設(shè)計(jì)個(gè)體和群體的共棲屬性提取方法，總結(jié)屬性變化規(guī)律，是分析社會(huì)信息網(wǎng)絡(luò)協(xié)同演化關(guān)系的重要前提和基礎(chǔ)。

　　(3)動(dòng)態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系分析。該研究將設(shè)計(jì)感知型社會(huì)信息網(wǎng)絡(luò)的自適應(yīng)表達(dá)式，提出協(xié)同演化關(guān)系分析方法，對(duì)多維協(xié)同演化關(guān)系進(jìn)行分析。社會(huì)信息包括了各種維度的信息，信息之間起著協(xié)同作用，構(gòu)成了整個(gè)社會(huì)信息網(wǎng)絡(luò)的運(yùn)行過(guò)程。它的協(xié)同演化過(guò)程是一個(gè)跨界現(xiàn)象，不僅發(fā)生在一個(gè)層級(jí)中，還可能發(fā)生在其他較低或較高層級(jí)中，而且還會(huì)發(fā)生在層級(jí)之間；既包括內(nèi)部微觀對(duì)象的協(xié)同演化，也包括與外部環(huán)境的宏觀協(xié)同演化，并且這些不同層次的演化是交互嵌套、難以區(qū)分的。微觀行為主體的活動(dòng)經(jīng)常會(huì)產(chǎn)生宏觀上的效果，宏觀層的演化也會(huì)對(duì)微觀層的演化產(chǎn)生影響[4]。層級(jí)間互動(dòng)的演化，是多層級(jí)協(xié)同演化的重要特征。圖2展示了一個(gè)社會(huì)信息網(wǎng)絡(luò)中多維信息的協(xié)同。這部分還將利用各個(gè)子網(wǎng)絡(luò)的屬性值，重點(diǎn)研究通過(guò)社會(huì)數(shù)據(jù)感知計(jì)算技術(shù)，對(duì)動(dòng)態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系進(jìn)行分析，提出對(duì)社會(huì)信息網(wǎng)絡(luò)中的單方主導(dǎo)演化關(guān)系、共同主導(dǎo)演化關(guān)系和無(wú)主導(dǎo)演化關(guān)系的協(xié)同演化關(guān)系分析方法。

　　4動(dòng)態(tài)社會(huì)信息網(wǎng)絡(luò)建模(Dynamicsocialnetworkinformationmodeling)

　　建立動(dòng)態(tài)社會(huì)信息網(wǎng)絡(luò)模型，首先需要確定描述網(wǎng)絡(luò)模型的時(shí)間片特征值，即對(duì)時(shí)間軸進(jìn)行足夠細(xì)的分割，使得每一時(shí)間片上至多有一個(gè)節(jié)點(diǎn)變更其連接策略，而同時(shí)保證其他節(jié)點(diǎn)保持其原有連接狀態(tài)不變。其次，需要設(shè)計(jì)網(wǎng)絡(luò)模型的動(dòng)態(tài)連接策略。連接策略的正確選擇，決定著最終模型成功的與否。按照以上思路，模型建立部分的研究?jī)?nèi)容分為以下三個(gè)方面：(1)以節(jié)點(diǎn)社會(huì)上下文(SocialContext)為效用值，消除網(wǎng)絡(luò)噪音。研究表明，人的行為活動(dòng)具有重復(fù)性與周期性，這樣就可以將人的多種行為特征表示為網(wǎng)絡(luò)節(jié)點(diǎn)的不同社會(huì)屬性，將節(jié)點(diǎn)的社會(huì)屬性進(jìn)行歸納就可以得到節(jié)點(diǎn)的社會(huì)上下文知識(shí)[5]。根據(jù)社會(huì)上下文，可以得到節(jié)點(diǎn)的信譽(yù)評(píng)價(jià)值。

　　真實(shí)的社會(huì)信息網(wǎng)絡(luò)中會(huì)存在一些由惡意節(jié)點(diǎn)引起的一定概率的誤連接，因此在建模之前預(yù)處理網(wǎng)絡(luò)數(shù)據(jù)可以降低由于個(gè)體行為的不確定性所帶來(lái)的網(wǎng)絡(luò)演化噪音。本部分內(nèi)容研究應(yīng)用社會(huì)上下文來(lái)評(píng)價(jià)節(jié)點(diǎn)的信譽(yù)度，并通過(guò)累計(jì)信譽(yù)記錄得到節(jié)點(diǎn)的最終信譽(yù)值。由于惡意節(jié)點(diǎn)在社會(huì)信息網(wǎng)絡(luò)中會(huì)惡意破壞社會(huì)信息網(wǎng)絡(luò)中的正常連接，對(duì)網(wǎng)絡(luò)研究的負(fù)面影響較大，所以可以根據(jù)節(jié)點(diǎn)的信譽(yù)評(píng)價(jià)值，孤立惡意節(jié)點(diǎn)并刪減其連接。(2)基于社會(huì)特征的時(shí)間片發(fā)現(xiàn)算法：Timesectiondiscoverapproachbasedonsocialinformation(TSI)。根據(jù)信息網(wǎng)絡(luò)中節(jié)點(diǎn)的社會(huì)學(xué)特性，引入社會(huì)信息網(wǎng)絡(luò)中節(jié)點(diǎn)的社會(huì)信息屬性。因?yàn)楫?dāng)某個(gè)節(jié)點(diǎn)社會(huì)信息值發(fā)生一定變化時(shí)可能會(huì)引起社會(huì)信息網(wǎng)絡(luò)結(jié)構(gòu)的變化，所以時(shí)間片的劃分應(yīng)以節(jié)點(diǎn)社會(huì)信息屬性的較大變化為劃分依據(jù)，細(xì)化時(shí)間軸，使得每個(gè)時(shí)間片內(nèi)只有一個(gè)節(jié)點(diǎn)的社會(huì)信息值發(fā)生變化，而其他節(jié)點(diǎn)按照慣性保持其社會(huì)信息屬性值不變。

　　經(jīng)過(guò)這樣處理之后，網(wǎng)絡(luò)結(jié)構(gòu)的變化過(guò)程就可以看成是一個(gè)馬爾可夫過(guò)程。(3)基于半隨機(jī)游走策略的動(dòng)態(tài)連接。社會(huì)信息網(wǎng)絡(luò)中節(jié)點(diǎn)的連接過(guò)程可以看成是節(jié)點(diǎn)對(duì)社會(huì)信息進(jìn)行追逐的過(guò)程。當(dāng)網(wǎng)絡(luò)中某些節(jié)點(diǎn)的社會(huì)信息值發(fā)生較大變化時(shí)，網(wǎng)絡(luò)中的結(jié)構(gòu)一般會(huì)發(fā)生相應(yīng)的變化，其變化表現(xiàn)為網(wǎng)絡(luò)中的某些節(jié)點(diǎn)會(huì)相應(yīng)地連接到目前社會(huì)信息價(jià)值較大的節(jié)點(diǎn)上。這部分將研究在建模中應(yīng)用隨機(jī)游走策略，并設(shè)置連接閾值α。游走從網(wǎng)絡(luò)的某一節(jié)點(diǎn)開(kāi)始執(zhí)行，當(dāng)游走到目前社會(huì)信息值較大的節(jié)點(diǎn)時(shí)進(jìn)行連接，之后繼續(xù)游走到下一個(gè)目標(biāo)節(jié)點(diǎn)，直到多次搜索并無(wú)更大社會(huì)信息值節(jié)點(diǎn)，完成一次隨機(jī)游走。在每個(gè)時(shí)間片中模型要完成多次隨機(jī)游走的動(dòng)態(tài)重鏈。在隨機(jī)游走的過(guò)程中由于應(yīng)用了連接閾值α限定連接操作，所以此操作可以看作是半隨機(jī)連接，連接閾值α的設(shè)定與網(wǎng)絡(luò)中節(jié)點(diǎn)的社會(huì)信息價(jià)值有關(guān)，α的具體值應(yīng)高于網(wǎng)絡(luò)中節(jié)點(diǎn)的社會(huì)信息價(jià)值的'平均值，并可設(shè)置α的浮動(dòng)范圍δ(δ是一個(gè)較小的值)。由于社會(huì)信息網(wǎng)絡(luò)研究的數(shù)據(jù)精準(zhǔn)感知型核協(xié)同社會(huì)信息網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)是動(dòng)態(tài)演化的結(jié)果，所以網(wǎng)絡(luò)結(jié)構(gòu)將隨著網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量、節(jié)點(diǎn)的社會(huì)信息屬性及節(jié)點(diǎn)社會(huì)上下文的變化而發(fā)生相應(yīng)變化。上述三個(gè)方面的研究可以綜合表述為動(dòng)態(tài)半隨機(jī)重連策略，應(yīng)用這種策略建立的網(wǎng)絡(luò)模型可以表現(xiàn)出網(wǎng)絡(luò)由不穩(wěn)定到相對(duì)穩(wěn)定，再到不穩(wěn)定的演變過(guò)程。

　　5社會(huì)信息網(wǎng)絡(luò)上突發(fā)檢測(cè)方法(Socialnetworkinformationburstdetectionmethod)

　　由于社會(huì)信息網(wǎng)絡(luò)同時(shí)具有信息網(wǎng)絡(luò)的實(shí)時(shí)性和社會(huì)網(wǎng)絡(luò)的交互性的特點(diǎn)，因此可以通過(guò)研究社會(huì)信息網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的演化行為，研究突發(fā)事件的檢測(cè)與預(yù)警方法。主要研究問(wèn)題如下：(1)網(wǎng)絡(luò)節(jié)點(diǎn)影響力分析方法。針對(duì)社會(huì)信息網(wǎng)絡(luò)不同于傳統(tǒng)網(wǎng)絡(luò)的集聚特性，提出網(wǎng)絡(luò)節(jié)點(diǎn)的影響力分析方法。首先，基于拓?fù)鋭?shì)理論對(duì)社會(huì)信息網(wǎng)絡(luò)進(jìn)行社區(qū)發(fā)現(xiàn)，并對(duì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行分類；其次，針對(duì)不同類型節(jié)點(diǎn)的不同結(jié)構(gòu)特征，分別對(duì)其進(jìn)行影響力分析。(2)網(wǎng)絡(luò)節(jié)點(diǎn)的可信度評(píng)估方法。研究社會(huì)信息網(wǎng)絡(luò)中節(jié)點(diǎn)的可信度，一方面采用云模型對(duì)社區(qū)內(nèi)和社區(qū)間的節(jié)點(diǎn)進(jìn)行全局信任評(píng)估，另一方面通過(guò)引入時(shí)間窗及構(gòu)造時(shí)間函數(shù)實(shí)現(xiàn)對(duì)可信度的動(dòng)態(tài)更新。(3)突發(fā)檢測(cè)方法與預(yù)警方法。由于突發(fā)事件具有的海量數(shù)據(jù)積聚、爆發(fā)的瞬時(shí)性及偶然性等特點(diǎn)，因此首先引入滑動(dòng)窗口的思想對(duì)監(jiān)測(cè)到的數(shù)據(jù)流進(jìn)行分析，然后分析網(wǎng)絡(luò)拓?fù)涞难莼袨椋M(jìn)而對(duì)網(wǎng)絡(luò)上的突發(fā)事件進(jìn)行檢測(cè)和預(yù)警。在這些需要解決的科學(xué)問(wèn)題中，基于網(wǎng)絡(luò)拓?fù)溲莼耐话l(fā)事件檢測(cè)與預(yù)警方法研究為社會(huì)信息網(wǎng)絡(luò)研究目標(biāo)實(shí)現(xiàn)的最后一環(huán)，而且?guī)в懈蟮奶剿餍院颓罢靶裕曰诰W(wǎng)絡(luò)拓?fù)溲莼耐话l(fā)事件檢測(cè)與預(yù)警方法研究可是說(shuō)是我們需要解決的關(guān)鍵科學(xué)問(wèn)題。

　　6結(jié)論(Conclusion)

　　社會(huì)信息網(wǎng)絡(luò)是兼具社會(huì)網(wǎng)絡(luò)和信息網(wǎng)絡(luò)特征的新型網(wǎng)絡(luò)，一方面其節(jié)點(diǎn)間表現(xiàn)出強(qiáng)交互特征，另一方面其拓?fù)浣Y(jié)構(gòu)呈現(xiàn)強(qiáng)時(shí)變特征。由于社會(huì)信息網(wǎng)絡(luò)的數(shù)據(jù)具有多源性、異構(gòu)性，拓?fù)浣Y(jié)構(gòu)具有多變性、瞬時(shí)性、Churn特性以及不同層級(jí)之間存在著交互嵌套演化等現(xiàn)象，因此社會(huì)信息網(wǎng)絡(luò)是一個(gè)異常復(fù)雜的系統(tǒng)，社會(huì)網(wǎng)絡(luò)和信息網(wǎng)絡(luò)上的傳統(tǒng)研究方法很難直接應(yīng)用或遷移到社會(huì)信息網(wǎng)絡(luò)上。目前來(lái)看，社會(huì)信息網(wǎng)絡(luò)上的理論研究還比較匱乏，開(kāi)發(fā)、應(yīng)用等活動(dòng)尚缺乏合適的實(shí)踐方法和指導(dǎo)理論。真正建立一個(gè)面向數(shù)據(jù)精準(zhǔn)感知的動(dòng)態(tài)社會(huì)信息網(wǎng)絡(luò)研究平臺(tái)，還需要我們不斷努力。

【感知型社會(huì)信息網(wǎng)絡(luò)論文】相關(guān)文章：

1.氣象信息網(wǎng)絡(luò)論文

2.醫(yī)院服務(wù)器信息網(wǎng)絡(luò)論文

3.PAMP信號(hào)信息網(wǎng)絡(luò)論文

4.《感知數(shù)量》教學(xué)反思

5.感知現(xiàn)代組詩(shī)

6.感知幸福作文

7.生活需要感知

8.感知詩(shī)歌