CN101872359B - 实现演变点发现的社会网络演化分析方法及系统 - Google Patents
实现演变点发现的社会网络演化分析方法及系统 Download PDFInfo
- Publication number
- CN101872359B CN101872359B CN 201010198329 CN201010198329A CN101872359B CN 101872359 B CN101872359 B CN 101872359B CN 201010198329 CN201010198329 CN 201010198329 CN 201010198329 A CN201010198329 A CN 201010198329A CN 101872359 B CN101872359 B CN 101872359B
- Authority
- CN
- China
- Prior art keywords
- point
- evolution
- community
- similarity
- adjacent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供实现演变点发现的社会网络演化分析方法及系统，其中，该方法包括：按照时间顺序计算相邻两个社会网络之间的相似度；根据计算结果求出相似度的突变点，即演变点；将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的一系列社会网络；根据所述社会网络拓扑图进行聚类和关联分析。本发明通过求出社会网络相似度的突变点，捕捉在社会网络演化过程中对事物发展产生重大变化的演变点，并对演变点前后时间段的社会网络进行拓扑分析，从而精确快速地发现网络演化过程中事件的发生，以及揭示事件对网络演化所产生的影响，进而提高准确的分析结果。
Description
技术领域
本发明涉及实现演变点发现的社会网络演化分析方法及系统。
背景技术
目前数据挖掘任务处理的对象主要是单独的数据实例，这些数据实例往往可以用一个包含多个属性值的向量来表示，同时这些数据实例之间假设是统计上独立的。例如，要训练一个疾病诊断系统，它的任务是诊断一个被试者是否患有某种传染病，通常的做法是用一个向量来表示一个被试者，同时假设各被试者之间的患病情况是相互独立的，即知道一个确诊病人对于诊断其他被试者是否患病不能提供任何帮助。直观经验告诉我们这种假设是不合理的，一个人的亲戚、朋友患有此传染病，则他相对其他人有更大的可能性患病。在社会里，人与人不是简单的统计上独立的采样点，他们之间必然存在着联系和影响，忽视了这种联系会对整个诊断系统的性能带来很大的影响。为了解决这个问题，必须将数据实例之间的关系同时考虑进来，从而提出了社会网络的概念，可以用图结构来刻画社会结构。
社会网络包括很多节点和连接这些节点的一种或多种特定的链接。其中，节点往往表示了个人、团体、人、文章和/或服务器等物理存在的实体；链接则表示节点之间存在的各种关系，如朋友关系、亲属关系、贸易关系、引用关系等。社会网络除了图结构表示之外，还有其他社会学形式和代数形式的表示方式。
在很多情况下，链接随着时间不断改变，那么对社会网络的分析需要对一段时间内的社会网络变化情况进行分析，目前，主要是将分析的时间段等分后进行分段分析即增量分析。然而，在实际情况中，事物的发生发展不是均匀的，增量分析方法无法准确分析出社会网络中的噪声和事件，其中，噪声是指与社会网络分析主题无关的联系，主要由具有社会化特征的个体行为的随机性和不确定性造成的，例如拨错电话号码而造成的无效通话；事件是指与社会网络分析主题相关的异常联系，例如人们在春节期间的通话。增量分析方法，一方面，可能会在分析过程中放大噪声，或者往往无法捕捉该时间段中对事物发展产生重大变化的演变点(即事件)，从而无法提供准确的分析结果。
发明内容
因此，本发明的目的在于提供实现演变点发现的社会网络演化分析方法及系统，从而可以提供准确的分析结果。
为实现本发明的上述目的，提供一种实现演变点发现的社会网络演化分析方法，包括：
按照时间顺序计算相邻两个社会网络之间的相似度；
根据计算结果求出相似度的突变点，即演变点；
将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的一系列社会网络；
根据所述社会网络拓扑图进行聚类和关联分析。
优选地，其中，所述计算相邻两个社会网络之间的相似度包括：
计算相邻两个社会网络之间的距离，所述两个社会网络之间的距离与所述两个社会网络之间的相似度成反比。
优选地，其中，所述计算相邻两个社会网络之间的距离还包括：
在计算过程中忽略噪声节点，所述噪声节点为只在单一时刻出现过的节点
优选地，其中，所述计算相邻两个社会网络之间的相似度包括：
采用滑动窗口对社会网络中的节点进行分类，分别得到离网节点、入网节点和稳定节点，其中，所述离网节点为变化点后不再出现的节点，所述入网节点为变化点后新入网的节点，所述稳定节点为变化点前后均出现的节点；
根据离网节点相似度的变化情况，计算变化点两侧离网节点的变化值；
根据入网节点相似度的变化情况，计算变化点两侧入网节点的变化值；
根据稳定节点相似度的变化情况，计算变化点两侧稳定节点的变化值；
累计离网节点的变化值、入网节点的变化值和稳定节点的变化值，得到变化点及对应的变化值。
优选地，所述根据计算结果求出相似度的突变点包括：
根据所有变化点及对应的变化值形成时间轴；
根据所述时间轴求出相似度的突变点，即得到演变点。
优选地，其中，所述将相邻突变点之间的社会网络快照选择叠加包括：
对所述时间轴归一化处理，产生用于线性分段的基准；
采用所述滑动窗口找出相对于所述基准的较高值和较低值；
裁剪所述较高值以及平滑所述较低值得到平稳时间段的社会网络。
本发明还提供一种实现演变点发现的社会网络演化分析系统，其特征在于，该系统包括：
计算单元，用于按照时间顺序，计算相邻两个社会网络之间的相似度；
突变单元，用于根据计算结果，求出相似度的突变点；
叠加单元，用于将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的一系列社会网络；
分析单元，用于根据所述社会网络拓扑图进行聚类和关联分析。
优选地，所述计算单元包括：
分类子单元，用于采用滑动窗口对社会网络中的节点进行分类，分别得到离网节点、入网节点和稳定节点，其中，所述离网节点为变化点后不再出现的节点，所述入网节点为变化点后新入网的节点，所述稳定节点为变化点前后均出现的节点；
第一计算子单元，用于根据离网节点相似度的变化情况，计算变化点两侧离网节点的变化值；
第二计算子单元，用于根据入网节点相似度的变化情况，计算变化点两侧入网节点的变化值；
第三计算子单元，用于根据稳定节点相似度的变化情况，计算变化点两侧稳定节点的变化值；
累计子单元，用于累计离网节点的变化值、入网节点的变化值和稳定节点的变化值，得到变化点及对应的变化值。
优选地，所述突变单元包括：
时间轴子单元，用于根据所有变化点及对应的变化值形成时间轴；
演变子单元，用于所述时间轴求出相似度的突变点，即得到演变点。
优选地，所述叠加单元包括：
基准子单元，用于对所述时间轴归一化处理，产生用于线性分段的基准；
相对子单元，用于采用滑动窗口找出相对于所述基准的较高值和较低值；
处理子单元，用于裁剪所述较高值以及平滑所述较低值得到平稳时间段的社会网络。
本发明的有益效果是：
本发明通过求出社会网络相似度的突变点，捕捉在社会网络演化过程中对事物发展产生重大变化的演变点，并对演变点前后时间段的社会网络进行拓扑分析，从而精确快速地发现网络演化过程中事件的发生，以及揭示事件对网络演化所产生的影响，进而提高准确的分析结果。
附图说明
图1示出本发明实施例中实现演变点发现的社会网络演化分析方法的流程示意图；
图2示出本发明实施例中实现演变点发现的社会网络演化分析方法的应用流程示意图；
图3示出本发明实施例中滑动窗口的结构示意图；
图4示出本发明实施例中实现演变点发现的社会网络演化分析系统的结构示意图。
具体实施方式
以下结合附图详细说明本发明的实现演变点发现的社会网络演化分析方法及系统。为了避免噪声，本发明对社会网络中的节点进行分类，采用叠加的方法计算变化点前后的变化值，从而有效减少噪声带来的影响，同时保留社会网络的基本特征。
请参阅图1，一种实现演变点发现的社会网络演化分析方法，包括：
按照时间顺序计算相邻两个社会网络之间的相似度；
根据计算结果求出相似度的突变点，即演变点；
将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的一系列社会网络；
根据所述社会网络拓扑图进行聚类和关联分析。
本发明通过求出社会网络相似度的突变点，捕捉在社会网络演化过程中对事物发展产生重大变化的演变点，并对演变点前后时间段的社会网络进行拓扑分析，从而精确快速地发现网络演化过程中事件的发生，以及揭示事件对网络演化所产生的影响，进而提高准确的分析结果。
其中，所述计算相邻两个社会网络之间的相似度包括：
计算相邻两个社会网络之间的距离，所述两个社会网络之间的距离与所述两个社会网络之间的相似度成反比。
其中，所述计算相邻两个社会网络之间的距离还包括：
在计算过程中忽略噪声节点，所述噪声节点为只在单一时刻出现过的节点。
其中，所述计算相邻两个社会网络之间的相似度包括：
采用滑动窗口对社会网络中的节点进行分类，分别得到离网节点、入网节点和稳定节点，其中，所述离网节点为变化点后不再出现的节点，所述入网节点为变化点后新入网的节点，所述稳定节点为变化点前后均出现的节点；
根据离网节点相似度的变化情况，计算变化点两侧离网节点的变化值；
根据入网节点相似度的变化情况，计算变化点两侧入网节点的变化值；
根据稳定节点相似度的变化情况，计算变化点两侧稳定节点的变化值；
累计离网节点的变化值、入网节点的变化值和稳定节点的变化值，得到变化点及对应的变化值。
对社会网络中的节点进行分类，采用叠加的方法计算变化点前后的变化值，可以有效的减少噪声带来的影响，同时保留社会网络的基本特征。在分类的过程中，采用滑动窗口，每次窗口只向前移动一步，且对离网、入网和稳定节点的状态是在原有窗口的基础上更新，所以其时间复杂度低，生成方法合理而高效。
所述根据计算结果求出相似度的突变点包括：
根据所有变化点及对应的变化值形成时间轴；
根据所述时间轴求出相似度的突变点，即得到演变点。其中，所述将相邻突变点之间的社会网络快照选择叠加包括：
对所述时间轴归一化处理，产生用于线性分段的基准；
采用所述滑动窗口找出相对于所述基准的较高值和较低值；
裁剪所述较高值以及平滑所述较低值得到平稳时间段的社会网络。
社会网络的演化是一个平稳和事件交替出现的过程，通过对事件发生前后两个平稳时间段的社会网络的特征抽取，对比它们在这两个时间段的不同，从而精确快速地发现网络演化过程中事件的发生，并揭示事件对网络演化所产生的影响。
请参阅图2，为本发明发现演变点发现的社会网络演化分析系统的应用，包括：
201、接受用户输入的社会网络数据；根据输入的数据，使用一个确定大小的滑动窗口，确定节点类型，请参阅图3，在本实施例中，采用大小为六的滑动窗口301，其中“○”代表变化点后不再出现的节点，即离网节点；“△”代表变化点后新入网的节点，即入网节点；“◇”代表变化点前后均出现过的节点，即稳定节点；“☆”代表只在某一时刻出现过的节点，即噪声节点；
202-1、计算变化点两侧离网节点的变化，变化值由离网节点的度的变化情况来确定；
202-2、计算变化点两侧入网节点的变化，变化值由入网节点的度的变化情况来确定；
202-3、计算变化点两侧稳定节点的变化，变化值由稳定节点的度和邻居的变化情况来确定；
203、累计上面三种节点的变化值，形成一个变化点及其变化值；
204、对演化网络中每个变化点求变化值，它们所组成的坐标集就形成了整个网络的TimeLine；根据形成的TimeLine，确定演化点；
205、平稳时间段抽取：对原始的TimeLine进行归一化处理，产生一个线性分段的基准；然后使用滑动窗口策略找出相对于基准的较高值和较低值，裁剪较高值并平滑所有的较低值从而得到平稳演化段落。
相应的，请参阅图4，一种实现演变点发现的社会网络演化分析系统，其特征在于，该系统包括：
计算单元，用于按照时间顺序，计算相邻两个社会网络之间的相似度；
突变单元，用于根据计算结果，求出相似度的突变点；
叠加单元，用于将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的一系列社会网络；
分析单元，用于根据所述社会网络拓扑图进行聚类和关联分析。
所述计算单元包括：
分类子单元，用于采用滑动窗口对社会网络中的节点进行分类，分别得到离网节点、入网节点和稳定节点，其中，所述离网节点为变化点后不再出现的节点，所述入网节点为变化点后新入网的节点，所述稳定节点为变化点前后均出现的节点；
第一计算子单元，用于根据离网节点相似度的变化情况，计算变化点两侧离网节点的变化值；
第二计算子单元，用于根据入网节点相似度的变化情况，计算变化点两侧入网节点的变化值；
第三计算子单元，用于根据稳定节点相似度的变化情况，计算变化点两侧稳定节点的变化值；
累计子单元，用于累计离网节点的变化值、入网节点的变化值和稳定节点的变化值，得到变化点及对应的变化值。
所述突变单元包括：
时间轴子单元，用于根据所有变化点及对应的变化值形成时间轴；
演变子单元，用于所述时间轴求出相似度的突变点，即得到演变点。
所述叠加单元包括：
基准子单元，用于对所述时间轴归一化处理，产生用于线性分段的基准；
相对子单元，用于采用滑动窗口找出相对于所述基准的较高值和较低值；
处理子单元，用于裁剪所述较高值以及平滑所述较低值得到平稳时间段的社会网络。
尽管以上参照具体实施方式详细描述了本发明，但是对于本领域技术人员而言，在本文的教示下可以对本发明作出各种修改和变形，而不脱离本发明的实质和范围。
Claims (3)
1.一种实现演变点发现的社会网络演化分析方法，包括：
按照时间顺序计算相邻两个社会网络之间的相似度；
根据计算结果求出相似度的突变点，即演变点；
将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的社会网络；
根据所述社会网络拓扑图进行聚类和关联分析；
其中，所述计算相邻两个社会网络之间的相似度包括：计算相邻两个社会网络之间的距离，所述两个社会网络之间的距离与所述两个社会网络之间的相似度成反比。
2.根据权利要求1所述的方法，其中，所述计算相邻两个社会网络之间的距离还包括：
在计算过程中忽略噪声节点，所述噪声节点为只在单一时刻出现过的节点。
3.一种实现演变点发现的社会网络演化分析系统，其特征在于，该系统包括：
计算单元，用于按照时间顺序，通过计算相邻两个社会网络之间的距离计算相邻两个社会网络之间的相似度；其中，所述两个社会网络之间的距离与所述两个社会网络之间的相似度成反比；
突变单元，用于根据计算单元的计算结果，求出相似度的突变点；
叠加单元，用于将相邻突变点之间的社会网络快照选择叠加，形成相应时间段的社会网络拓扑图，其中，所述相应时间段的社会网络拓扑图与相邻突变点的平均距离最小，社会网络快照为根据最小粒度划分的社会网络;
分析单元，用于根据所述社会网络拓扑图进行聚类和关联分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010198329 CN101872359B (zh) | 2010-06-11 | 2010-06-11 | 实现演变点发现的社会网络演化分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010198329 CN101872359B (zh) | 2010-06-11 | 2010-06-11 | 实现演变点发现的社会网络演化分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101872359A CN101872359A (zh) | 2010-10-27 |
| CN101872359B true CN101872359B (zh) | 2013-08-14 |
Family
ID=42997223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010198329 Expired - Fee Related CN101872359B (zh) | 2010-06-11 | 2010-06-11 | 实现演变点发现的社会网络演化分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101872359B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103853739B (zh) * | 2012-11-29 | 2018-04-17 | 中国移动通信集团公司 | 动态社会关系网络社区演化识别以及稳定社区提取方法 |
| CN107958032B (zh) * | 2017-11-20 | 2020-11-13 | 北京工商大学 | 一种有效的动态网络节点影响力度量方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080096887A1 (en) * | 2005-02-25 | 2008-04-24 | Serenex, Inc. | Benzene, Pyridine, and Pyridazine Derivatives |
| US20090319288A1 (en) * | 2008-06-24 | 2009-12-24 | Yahoo Inc. | Suggesting contacts for social networks |
-
2010
- 2010-06-11 CN CN 201010198329 patent/CN101872359B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080096887A1 (en) * | 2005-02-25 | 2008-04-24 | Serenex, Inc. | Benzene, Pyridine, and Pyridazine Derivatives |
| US20090319288A1 (en) * | 2008-06-24 | 2009-12-24 | Yahoo Inc. | Suggesting contacts for social networks |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101872359A (zh) | 2010-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ruan et al. | Trust management framework for internet of things | |
| CN104396188A (zh) | 用于对移动网络性能问题进行根本原因分析的系统和方法 | |
| Gesink et al. | Spatial epidemiology of the syphilis epidemic in Toronto, Canada | |
| Meng et al. | On the interplay between individuals’ evolving interaction patterns and traits in dynamic multiplex social networks | |
| Isham et al. | Spread of information and infection on finite random networks | |
| Rintyarna et al. | Mapping acceptance of Indonesian organic food consumption under Covid-19 pandemic using Sentiment Analysis of Twitter dataset | |
| Sefer et al. | Convex risk minimization to infer networks from probabilistic diffusion data at multiple scales | |
| CN102279905B (zh) | 一种电网故障诊断中的数据流快速约简方法 | |
| CN103699617A (zh) | 一种基于随机游走的社区发现方法 | |
| CN115168443A (zh) | 一种基于gcn-lstm和注意力机制的异常检测方法及系统 | |
| CN111984544B (zh) | 设备性能测试方法、装置、电子设备及存储介质 | |
| WO2021027331A1 (zh) | 基于图数据的全量关系计算方法、装置、设备及存储介质 | |
| CN101872359B (zh) | 实现演变点发现的社会网络演化分析方法及系统 | |
| Shetty et al. | A weighted hybrid centrality for identifying influential individuals in contact networks | |
| CN112269937A (zh) | 一种计算用户相似度的方法、系统及装置 | |
| CN101866355A (zh) | 基于云计算的社会网络划分方法及系统 | |
| Zhou et al. | Using coalitional games to detect communities in social networks | |
| CN111342991A (zh) | 基于跨社交网络的信息传播方法 | |
| Tulu et al. | Vital nodes extracting method based on user's behavior in 5G mobile social networks | |
| CN112256756B (zh) | 一种基于三元关联图和知识表示的影响力发现方法 | |
| CN114124484B (zh) | 网络攻击识别方法、系统、装置、终端设备以及存储介质 | |
| CN111901174B (zh) | 一种服务状态通知的方法、相关装置及存储介质 | |
| CN112364285B (zh) | 基于ueba建立异常侦测模型的方法、装置及相关产品 | |
| Alasti | Efficient tracking of spatially correlated signals in wireless sensor fields: A weighted stochastic gradient approach | |
| CN111275564A (zh) | 一种微博网络的社团数量检测方法及检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wu Bin Inventor after: Yang Juan Inventor after: Wang Bai Inventor after: Yang Shengqi Inventor after: Ke Qing Inventor after: Zhang Lei Inventor before: Yang Juan Inventor before: Wu Bin Inventor before: Wang Bai Inventor before: Yang Shengqi Inventor before: Ke Qing Inventor before: Zhang Lei |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: YANG JUAN WU BIN WANG BAI YANG SHENGQI KE QING ZHANG LEI TO: WU BIN YANG JUAN WANG BAI YANG SHENGQI KE QING ZHANG LEI |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130814 Termination date: 20210611 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |