CN105868447B - 基于双层网络的用户通讯行为分析及模型仿真系统 - Google Patents
基于双层网络的用户通讯行为分析及模型仿真系统 Download PDFInfo
- Publication number
- CN105868447B CN105868447B CN201610172880.XA CN201610172880A CN105868447B CN 105868447 B CN105868447 B CN 105868447B CN 201610172880 A CN201610172880 A CN 201610172880A CN 105868447 B CN105868447 B CN 105868447B
- Authority
- CN
- China
- Prior art keywords
- communication
- user
- network
- double
- analysis
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 125
- 238000004458 analytical method Methods 0.000 title claims abstract description 53
- 230000003542 behavioural effect Effects 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000006399 behavior Effects 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 10
- 238000004321 preservation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000001314 paroxysmal effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 238000006116 polymerization reaction Methods 0.000 claims description 2
- 230000011273 social behavior Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 9
- 238000004132 cross linking Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000000474 nursing effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 45
- 230000002452 interceptive effect Effects 0.000 description 11
- 230000003993 interaction Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000009897 systematic effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 101100536251 Mus musculus Tmem120a gene Proteins 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了基于双层网络的用户通讯行为分析及模型仿真系统，该系统包括网络结构及特征分析模块、基于社交属性的通讯数据分析模块、基于双层网络的通讯行为模型仿真模块、仿真效果评估模块以及帮助模块。该行为分析与仿真系统通过网络结构分析模块及通讯数据分析模块，可视化展示用户的网络拓扑特征和通讯行为动力学特性，用于研究和分析双层网络下的行为动力学机制，有较高的运算速度和分析能力。该系统嵌入了基于双层网络的通讯行为仿真模型，通过设置参数对不同情况下的通讯行为进行仿真，并提供仿真效果评估模块进行仿真结果与实证数据的对比及误差计算，可以直观高效的观察模型的准确性并进行调整，提高了建模仿真的自主性和智能型。
Description
技术领域
本发明涉及一种基于双层网络的用户通讯行为分析及模型仿真系统，属于人类行为分析建模与计算机仿真技术领域。
背景技术
随着信息化技术与大数据分析的发展，特别是通讯行为的普及，为研究人类交互行为时间规律及背后的动力学机制提供了可行性。对人类通讯行为统计规律和动力学建模的研究能够更好地帮助人们理解人类行为的驱动因素，并在信息推荐、舆情监控等方面产生应用价值。
已有的通讯行为分析及动力学机制研究仅对用户的通讯数据进行了探索，建立了OV模型、任务队列模型等，取得了一定的研究成果，但未考虑驱动通讯行为的社交网络因素，具有较大的局限性。通过同时分析用户的通讯与社交数据，进行基于双层网络的用户行为分析及模型建立，能更深入的挖掘人类交互行为规律及动力学机制。
当前的人类行为动力学研究者普遍采用Matlab软件进行数据分析与建模，但由于其并不是专门的行为动力学研究工具，使用时存在以下几点不足：
(1)占用存储空间大。Matlab软件中数据以矩阵形式存储，数据格式单一，灵活性低，耗费大量内存空间，无法进行大数据量级的循环计算，易出现“Out of Memory”现象。
(2)运算速度慢。Matlab是一种解释性语言，同时由于其变量的基本类型为矩阵，当对矩阵元素进行遍历等运算时耗时久，其运算时长与循环次数呈指数关系，大数量级循环计算速度极慢。
(3)界面设计缺乏合理性。Matlab缺少进度提示信息，对于运行时间较长的程序，使用者无法了解当前完成情况和所需等待时长，只能通过强制停止程序的方法了解程序运行进度，且无法继续执行。
(4)缺乏针对性工具模块。由于Matlab并不是专门用来分析行为规律及构建动力学模型的软件，不能提供针对性的方法来进行网络结构、行为数据分析或动力学模型仿真，导致研究人员需要自己编写代码进行数据分析和建模仿真。
以上情况，在一定程度上阻碍了人类交互行为规律发现和动力学机制研究。因此，如何开发一种内存占用少、运算速度快、高度人性化和强针对性的行为分析和模型仿真系统具有重要意义与使用价值。而本发明能够很好地解决上面的问题。
发明内容
本发明目的在于针对上述现有技术的不足，提出了一种基于双层网络的用户通讯行为分析及模型仿真系统，该系统为人类通讯行为动力学研究人员提供了一个界面简洁、操作方便、图形功能强大且专业针对性强的通讯行为分析及模型仿真系统，提高了通讯行为分析及动力学机制模型建立的智能型、自主性和高效性。
本发明解决其技术问题所采取的技术方案是：一种基于双层网络的用户通讯行为分析及模型仿真系统，该系统基于用户的通讯、社交双层网络结构，分析用户基于社交属性的通讯行为分布规律，构建基于双层网络的用户通讯行为模型进行仿真，与用户真实的社交、通讯数据进行对比，评估模型对实证数据的拟合效果，揭示人类通讯行为的动力学机制。所述的行为分析及模型仿真系统包括网络结构及特征分析模块、基于社交属性的通讯数据分析模块、基于双层网络的通讯行为模型仿真模块、仿真效果评估模块和帮助模块。
本发明的网络结构及特征分析模块的功能包括网络生成、网络读取与保存、网络结构图显示、节点参数及网络参数的计算。网络生成实现三种经典网络结构的生成，用以模拟通讯、社交网络，分别为ER随机网络、WS小世界网络和BA无标度网络，支持用户手动设置网络参数。网络读取与保存功能支持多种格式的网络信息文件，包括sst、mat和xml格式。sst网络文件的格式为“节点编号-节点横坐标-节点纵坐标-节点用户的通讯量-邻居节点-节点与邻居节点的连边权重”，节点的每个属性时间用“-”隔开，每个节点的信息构成一条字符串，字符串之间进行换行连接。mat网络文件为Matlab软件中数据的矩阵存储格式，便于使用者读入Matlab软件中生成的数据。该网络文件的格式为二进制矩阵形式，矩阵An×n表示n个节点的网络，元素Aij＝1表示节点i与节点j之间存在连边，Aij＝0表示节点i与节点j无连接。xml网络文件格式与现行的xml格式一致，文件首行根元素列出网络总节点数信息，接下来列出网络各节点信息，节点编号作为节点信息根元素，节点度值、坐标值与连边信息等以节点信息根元素的子元素形式存在。节点参数及网络参数的计算功能实现多个常用参数的计算，包括节点的度值、聚类系数、PageRank值、k-shell值、环路系数和接近中心度，网络的平均度、网络密度、网络直径等，以及任意两个节点间的最短路径长度。
网络所有的信息存储在连边Edge类、节点Node类及网络Net类中，节点Node类采用Dictionary类型存放节点中的连边，Net类采用List泛型容器存放Node类型节点实例，使用xml文件作为系统内部数据交换的基本格式。
本发明的基于社交属性的通讯数据分析模块的功能包括社交属性标注、通讯行为与社交行为匹配和通讯行为分析。定义与用户产生过双向通讯行为的用户为该用户的常用联系人，使用者读入用户真实通讯数据，该系统提取用户的常用联系人，用户对其标注社交属性，匿名化处理通讯号码并保存文件。匹配功能实现通讯数据与常用联系人社交属性的匹配，通过列表显示匹配结果并保存文件。通讯行为分析功能通过读入用户的通讯行为时间间隔数据，进行通讯行为的阵发性与波动性分析并计算显示通讯行为的时间间隔分布结果。该系统使用对数装箱法计算时间间隔分布，采用双对数坐标图展示，并使用最小二乘法拟合幂律分布指数，在时间间隔分布图上作出拟合曲线。同时，该系统提供图形保存功能，使用者可根据需要保存结果图为bmp、jpg、emf、gif多种格式。
所述的基于社交属性的通讯数据分析模块中，支持通讯数据文件以excel文件形式读入和保存，支持.xls和.xlsx两种版本。通讯行为数据文件格式为“记录编号-通讯类型-通讯号码-通讯时刻-通讯时长/字长”，每个属性为一列，每条记录占据一行；通讯与社交属性匹配文件的格式为“通讯号码-通讯时刻-社交属性类型-亲密度”；通讯行为分析文件的内容为“连续两次通讯的时间间隔(以s为单位)”，每个时间间隔为一行。
本发明的基于双层网络的通讯行为模型仿真模块的功能包括双用户通讯行为模型仿真和多用户通讯行为模型仿真，并且支持使用者自主设置模型参数进行仿真。所述模型中区分两种任务类型“I任务”和“O任务”，其中I任务为交互任务，须由两个用户共同完成，代表通讯行为；O任务为个体任务，用户自身可以完成，例如阅读。任务执行机制采用“或模式”，只要有一个用户选择了I任务，则此任务被执行。任务列表的长度随事件的加入和删除而变化。模型中，用通讯行为的回复概率β描述社交亲密度，亲密度越高，回复概率越低。
本发明模型仿真模块中，基于双层网络的双用户交互通讯行为模型的任务执行规则包括如下：
用户个体行为：每个用户拥有自己的任务列表，其中包括I任务和O任务，每个任务都有一个优先级，用户选择最高优先级任务执行。每个任务执行时长为T，任务执行后从列表中删除。若用户执行了一个个体任务，则用户自身的任务列表中需添加一个O任务，模拟生活中持续存在的个体行为。
双方交互行为：如果用户A执行了一个I任务，则以βB的概率向用户B的任务列表中添加一个I任务，模拟用户B以一定概率回复用户A的行为。用户B同理，任务列表长度可变。同时，I以一个非常小的概率αA加入到用户A的任务列表中，模拟生活中偶然出现的类似通讯行为的交互类任务。I任务与O任务在用户的任务列表中公平竞争优先级，一旦某个用户开始执行一个交互任务，另一个用户以β的概率发生回复行为，则开启一段连续通讯。
双用户通讯行为模型中，使用者可设置的参数包括交互任务随机加入概率、用户回复概率、单任务执行时长和任务执行总时长。
所述模型仿真模块中，基于双层网络的多用户交互通讯行为模型建立在N个节点的星型网络结构上，模拟每个用户的通讯网络都是一个以该用户为Hub节点、其联系人为Leaves节点的星型网络结构。O任务的优先级服从[0,1]之间的均匀分布，而I任务的优先级则服从高斯分布，概率密度分布函数如式1所示。其中μ随亲密度增大而增大，即亲密度越大，高优先级任务所占的比例越大。
其任务执行规则如下：
(1)初始化：每个节点有一个长度为L的O任务列表，每个任务赋予[0,1]之间的随机优先级。
(2)添加任务：每单位时间T，以小概率α向每个节点的任务列表中添加一个I任务，其优先级服从公式(1)。Hub节点的I任务在添加时即被随即确定为与某个Leaves节点交互，而Leaves节点添加的I任务均与Hub节点交互。
(3)执行任务：一个任务列表中，执行最高优先级任务的概率为ω，随机选择一个任务执行的概率为(1-ω)。每间隔单位时间T，任务执行：Hub节点选择一个任务执行；同时，考虑到网络中的Leaves节点本身也作为其它网络的Hub节点，有其Leaves节点及任务队列，则随机选择一个Leaves节点执行一个任务。任务执行后从任务列表中删除。单位时间T≥1，模拟每个任务的执行时间。
(4)更新任务：若已执行的任务为O任务，则添加一个新的O任务到列表中，并随机赋予优先级。若已执行的任务为I任务，则以β的回复概率给发生交互的节点加入一个I任务到其任务列表中，并从I任务的概率密度分布函数中随机赋予优先级。模拟对应的I任务联系人会以β的概率回复此项I任务。
多用户通讯行为模型中，使用者可设置的参数包括交互任务优先级的概率密度分布参数，交互任务随机加入概率、用户回复概率、最高优先级任务执行概率、单任务执行时长和任务执行总时长。
模型仿真完成后，得到模拟产生的用户交互任务执行时间间隔结果，计算时间间隔分布并拟合幂律分布指数，在双对数坐标图中显示，结果可保存为excel文件。
本发明的仿真效果评估模块对模型的仿真结果和用户真实通讯数据进行对比分析，计算误差值，无需设置任何参数。
本发明的帮助模块包括系统使用说明和关于功能，分别对该系统的适用范围、各功能的使用方法和开发者、该系统版本信息进行了介绍。
本发明的系统支持读入各种网络进行结构分析与参数计算，包括自主构建的网络，使用者只需将所要分析的网络节点信息按照规定格式编写，保存为sst、mat或xml文件即可。
本发明能够支持处理109时间步量级的通讯行为模型仿真。
有益效果：
1.本发明的系统架构清晰明了，精简高效，依据功能进行划分，构成不同的模块，相互之间通过数据文件传递信息，具有良好的安全性能，数据结构主要采用Dictionary类型和List泛型容器存储网络信息和用户通讯行为信息，存储空间占用小且运算速度快。
2.本发明的普适性强，支持多种文件格式的读入和保存，包括网络文件格式sst、mat和xml格式以及通讯数据.xls和.xlsx格式，用户只需将待分析的网络或通讯数据以规定的文件格式编写即可读入系统处理。
3.本发明为通讯行为动力学研究人员提供了一个图形功能强大的通讯行为分析及模型仿真系统，支持网络结构分析、社交属性匹配、通讯行为分布计算以及基于双层网络的通讯行为模型仿真，帮助研究者更好的发现行为规律、快速调整模型和参数，加快动力学机制的研究步伐。
4.本发明充分考虑了用户体验与人性化设计，该系统采用列表、图形、表格及坐标图等多种形式展示数据及结果，并将参数拟合功能融入了数据分析和模型仿真，方便使用者直观、高效的分析和对比。在此基础上，加入了进度条设计，使用者能够实时观察到程序的执行进度，减少未知感。
5.本发明具有较强的功能针对性，该系统针对通讯行为分析和基于双层网络的用户通讯行为模型设计，集成了网络结构分析、通讯数据分析、模型仿真和数据对比模块，完整的实现了通讯行为分析和建模的功能，有较好的整体性和功能性。
6.本发明具有良好的拓展性，该系统基于MFC架构设计，并实现了行为研究和分析的多种功能，在此基础上，可以针对使用者的研究需要进行进一步订制开发。
7.本发明支持处理109时间步量级的通讯行为模型仿真，且仿真效率高。
附图说明
图1为本发明的系统功能图。
图2为本发明的网络结构分析界面图(当前显示的是23个用户构成的通讯、社交双层网络)。
图3为本发明的参数计算界面图。
图4为本发明的社交属性标注界面图。
图5为本发明的通讯行为与社交属性匹配界面图。
图6为本发明的通讯行为分析界面图。
图7为本发明的基于双层网络的双用户通讯行为模型仿真功能实现的流程图。
图8为本发明的基于双层网络的双用户通讯行为模型仿真界面图(当前显示的是模型参数设置为：交互任务随机加入概率3×10-4，用户A、B回复概率分别为0.74、0.63，单位时间步长为20，总步长为8×107的仿真结果)。
图9为本发明的基于双层网络的多用户通讯行为模型的算法流程图。
图10为本发明的基于双层网络的多用户通讯行为模型仿真界面图(当前显示的是模型参数设置为：交互任务优先级分布服从高斯分布N(0.3,0.72)，交互任务服从交互任务随机加入概率5×10-5，回复概率0.7，最高优先级任务执行概率0.9，单位时间步长为10，总步长为1×108的仿真结果)。
图11为本发明的模型评估界面图(当前是将多用户模型的仿真结果与用户实证数据作对比。)
图12为本发明的使用说明功能界面图。
图13为本发明的帮助功能界面图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
如图1所示，本发明提出了一种用户通讯行为分析及模型仿真系统，该系统包括网络结构及特征分析模块、基于社交属性的通讯数据分析模块、基于双层网络的通讯行为模型仿真模块、仿真效果评估模块以及帮助模块。
网络结构与特征分析模块用于分析网络特征，包括网络生成功能、网络读取与保存功能和参数计算功能。可以生成三种经典网络：ER随机网络、WS小世界网络和BA无标度网络。网络读取和保存功能支持sst、mat和xml三种文件格式。参数计算功能包括节点参数计算与网络参数计算。网络信息存储在连边Edge类、节点Node类及网络Net类中，节点Node类采用Dictionary类型存放节点中的连边，Net类采用List泛型容器存放Node类型节点实例。
基于社交属性的通讯数据分析模块用于用户社交属性分析、通讯行为与社交属性匹配以及通讯行为分析。
基于双层网络的通讯行为模型仿真模块用于对基于双层网络的双用户通讯行为模型和多用户通讯行为模型进行仿真，模型的相关参数可手动设置或选择默认值。
仿真效果评估模块用于对模型的仿真结果与用户的真实数据进行对比，调整模型参数，深入理解通讯行为动力学机制。
帮助模块用于指导使用者的使用方法以及说明开发者与版本信息。
如图2所示为网络结构分析界面，左侧的列表栏显示当前网络的节点信息与网络信息，右侧的图形区域显示当前网络的结构图，在绘制网络前可以选择通讯网络绘制、社交网络绘制及双层网络绘制。节点信息显示各节点编号及度值，网络信息显示网络的节点数、平均度、边数、最大度及对应节点编号、网络类型(即有向图或无向图)等信息。
所述界面也为本发明的主界面，本发明充分考虑了用户的使用感受，仿照常用软件界面进行了系统交互界面设计。因此，使用者在系统进行分析及仿真操作时简单易懂，只需点选左上角的“网络”、“参数计算”、“通讯数据分析”、“双层网络模型”、“仿真与数据对比”、“帮助”五个主菜单，查看相应模块的功能，根据需要点击对应功能即可。
“网络”主菜单包括网络生成功能、网络文件读入功能及网络文件保存功能。网络生成功能支持ER随机网络、WS小世界网络和BA无标度网络的生成，使用者可自主设置相关网络参数。网络文件读入、保存功能支持sst、mat和xml格式的网络文件。
“参数计算”功能可实现网络参数及节点参数的计算(如图3所示)。距离参数包括网络密度、网络直径、一对节点间的最短路径长度，中心度参数包括平均聚类系数、平均环路系数、平均接近中心度以及左侧某选定节点的聚类系数、环路系数与接近中心度，其它参数包含左侧某选定节点的PageRank值和K-Shell值。其中的网络参数在使用者点击“参数计算”后即可触发计算并显示结果，而节点参数的计算在用户点选左侧节点列表中某节点后才能够执行计算并显示对应节点参数的计算结果。
“通讯数据分析”主菜单就是基于社交属性的通讯数据分析模块的功能映射，可调用的功能如下：
社交属性标注功能用于提取用户的常用联系人并进行社交属性划分(如图4所示)。使用者点击“浏览……”，在打开的文件列表中双击用户的通讯记录数据excel文件，点击“读取excel文件”，该用户的常用联系人会显示在下方的列表中。用户对其常用联系人划分社交属性并填写完成后，点击“保存excel文件”，该系统将用户的常用联系人进行中间4位数字匿名化处理并存储社交属性信息为excel文件。
通讯行为与社交属性匹配实现将用户的所有通讯记录依据联系人社交属性进行分类聚合的功能(如图5所示)。使用者点击“读入用户的通讯记录”，在打开的文件列表中双击通讯记录excel文件，点击“读入用户的社交属性”，双击社交属性记录excel文件，点击“匹配”，在下方列表中显示(匿名后)用户通讯记录按照属性聚合后的结果。点击“保存匹配结果”，可将聚合信息保存为excel文件。
对用户的通讯行为进行分析(如图6所示)，点击“浏览……”，在打开的文件列表中双击通讯数据excel文件，下方将显示通讯行为的阵发性与波动性分析图和时间间隔分布计算结果图，用户双击图形窗口即可实现对曲线图的保存。
“双层网络模型”主菜单就是基于双层网络的通讯行为模型仿真模块的功能映射，可调用的功能如下：
双用户通讯行为模型仿真功能实现基于双层网络的双用户通讯行为模型仿真算法，用户可自行设置模型参数。双用户通讯行为模型仿真的执行流程(如图7所示)为：用户任务列表及模型参数初始化，按照模型规则执行仿真，同时使用线程更新显示进度条，仿真执行完成后，对结果数据采用对数装箱法计算间隔时间分布，并采用最小二乘法拟合幂律分布指数，将仿真结果及拟合曲线显示在双对数坐标图中，并在图形下方显示拟合幂指数(如图8所示)。
多用户通讯行为模型仿真功能实现基于双层网络的多用户通讯行为模型仿真算法，用户可自行设置模型参数。多用户通讯行为模型的算法流程图如图9所示，分为Hub节点任务执行和Leaves节点任务执行，Rand()为随机数生成函数，数组TI为Hub节点用户通讯行为的间隔时间数组。对TI数据采用对数装箱法计算隔时间分布，并采用最小二乘法拟合幂律分布指数，将仿真结果及拟合曲线显示在双对数坐标图中，并在图形下方显示拟合幂指数(如图10所示)。
“仿真与数据对比”主菜单就是仿真效果评估模块的功能映射，使用者分别点击实证数据和模型仿真对应的“浏览……”，可在对应打开的文件列表中双击用户真实的通讯记录excel文件和模型仿真结果excel文件，点击“进行比较”，比较结果曲线图会显示在右侧图形区域，误差值显示在下方。
“帮助”主菜单的功能为帮助模块的功能映射，包括系统的使用说明和系统开发者、版本等相关信息。使用说明中阐述了系统的应用范围、功能、使用方法及数据格式规范(如图12所示)。关于功能展示了系统的图标、名称、开发者、开发时间及版本的简要信息(如图13所示)。使用者点击“帮助”菜单可对系统的功能、使用方法和发明信息进行了解。
以上所述实施方式仅仅是对本发明的仿真方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
Claims (10)
1.一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统包括网络结构及特征分析模块、基于社交属性的通讯数据分析模块、基于双层网络的通讯行为模型仿真模块、仿真效果评估模块和帮助模块：
所述的网络结构及特征分析模块的功能包括网络生成、网络读取与保存、网络结构图显示、节点参数及网络参数的计算，网络所有的信息存储在连边Edge类、节点Node类及网络Net类中，节点Node类采用Dictionary类型存放节点中的连边，Net类采用List泛型容器存放Node类型节点实例，使用XML文件作为系统内部数据交换的基本格式；
所述的基于社交属性的通讯数据分析模块的功能包括社交属性标注、通讯行为与社交行为匹配和通讯行为分析，所述的社交属性标注功能是通过读入用户的真实通讯数据提取出用户的常用联系人，用户填写对应常用联系人的社交属性，并进行文件保存；用户常用联系人社交属性文件保存后，读入通讯记录文件和社交属性文件，进行通讯行为与社交行为匹配，统计基于社交属性的通讯行为并保存聚合匹配结果；通讯行为分析功能包括对通讯数据的阵发性、波动性分析和时间间隔分布分析；
所述的基于双层网络的通讯行为模型仿真模块的功能包括双用户通讯行为模型仿真和多用户通讯行为模型仿真，支持使用者自主设置参数，使用双对数坐标图显示通讯行为时间间隔分布，对仿真结果进行幂律函数拟合并计算幂指数，并支持仿真结果保存，所述的双层网络为用户群体构成的通讯网络和社交网络的叠加，为加权网络：通讯网络代表用户之间产生的通讯行为，节点大小正比于该用户的通讯量，两个用户间产生双向通讯行为形成连边；社交网络则表示用户与其联系人之间的亲密程度，亲密程度由认识关系到最亲密关系正比于连边权重；
所述的仿真效果评估模块的功能读取用户的实证通讯数据和模型仿真数据进行比较，图形化显示比较结果并计算误差值；
所述的帮助模块的功能包括系统使用说明功能和关于功能，分别对系统的适用范围、各功能的使用方法和名称、开发者、开发时间及版本信息进行了介绍。
2.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统是针对用户的通讯、社交双层网络下的行为进行网络拓扑分析、数据分析、模型仿真与评估。
3.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统支持多种格式文件的读写，包括网络信息sst、mat和xml格式文件、通讯数据及仿真结果数据excel格式文件。
4.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统支持通讯行为时间间隔分布图的多种图片保存格式，包括bmp、jpg、emf、gif，使用者可依据所需图片格式清晰度自行选择。
5.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统采用多种形式展示数据及结果，包括图形显示、坐标图显示、列表显示和进度条显示，其中图形显示功能包括网络结构图、通讯行为阵发性与波动性分析图；坐标图显示功能支持网络节点度分布图、双对数坐标系下的通讯行为时间间隔分布图；列表显示功能包括节点、网络信息列表显示和通讯、社交数据列表显示；进度条实时显示仿真执行的进度，提示用户。
6.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统支持无向网络与有向网络两种拓扑结构图形显示及参数计算。
7.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统的容错性强，对使用者可设置的参数格式和范围进行了限定，使用者无法读入超出范围的数值，并对文件读写错误给出了警告信息提示。
8.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统对通讯号码均进行了中间四位匿名化处理。
9.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统支持执行109时间步量级的通讯行为模型仿真。
10.根据权利要求1所述的一种基于双层网络的用户通讯行为分析及模型仿真系统，其特征在于：所述系统应用于复杂网络分析及行为动力学仿真。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610172880.XA CN105868447B (zh) | 2016-03-24 | 2016-03-24 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610172880.XA CN105868447B (zh) | 2016-03-24 | 2016-03-24 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105868447A CN105868447A (zh) | 2016-08-17 |
| CN105868447B true CN105868447B (zh) | 2019-05-24 |
Family
ID=56625752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610172880.XA Expired - Fee Related CN105868447B (zh) | 2016-03-24 | 2016-03-24 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105868447B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108288498A (zh) * | 2018-01-15 | 2018-07-17 | 浙江大学 | 一种基于机器视觉的医院智能就诊系统 |
| CN109300057B (zh) * | 2018-08-31 | 2021-08-10 | 合肥工业大学 | 基于社交用户隐特征表示的网络群体形成机制发现方法 |
| CN111127059B (zh) * | 2018-10-31 | 2023-04-18 | 北京国双科技有限公司 | 用户质量的分析方法及装置 |
| CN110134643A (zh) * | 2019-04-24 | 2019-08-16 | 南京库仑软件技术有限公司 | 一种真三维模型数据格式 |
| CN112637003B (zh) * | 2020-12-04 | 2022-03-29 | 重庆邮电大学 | 一种用于汽车can网络的报文传输时间预估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103119620A (zh) * | 2008-10-25 | 2013-05-22 | 高智83基金会有限责任公司 | 基于推测的社会关系的行为建议 |
| CN104182422A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 统一通讯录信息处理方法和系统 |
| CN105117422A (zh) * | 2015-07-30 | 2015-12-02 | 中国传媒大学 | 智能社交网络推荐系统 |
| CN105205723A (zh) * | 2015-09-18 | 2015-12-30 | 腾讯科技（深圳）有限公司 | 一种基于社交应用的建模方法及装置 |
-
2016
- 2016-03-24 CN CN201610172880.XA patent/CN105868447B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103119620A (zh) * | 2008-10-25 | 2013-05-22 | 高智83基金会有限责任公司 | 基于推测的社会关系的行为建议 |
| CN104182422A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 统一通讯录信息处理方法和系统 |
| CN105117422A (zh) * | 2015-07-30 | 2015-12-02 | 中国传媒大学 | 智能社交网络推荐系统 |
| CN105205723A (zh) * | 2015-09-18 | 2015-12-30 | 腾讯科技（深圳）有限公司 | 一种基于社交应用的建模方法及装置 |
Non-Patent Citations (5)
| Title |
|---|
| Impact of interactions on human dynamics;J.G.Oliveira等;《Physica A 388》;20080815;第187-192页 |
| Modeling Malware Propagation in Smartphone Social Networks;Sancheng Peng等;《IEEE International Conference on Trust》;20131231;第8卷(第1期);第196-201页 |
| 人类通信模式的幂律分布和Zipf定律;曹盼盼等;《复杂系统与复杂性科学》;20091231;第6卷(第4期);第51-56页 |
| 利用通信数据的移动用户行为分析;黄文彬等;《现代图书情报技术》;20151231;第31卷(第5期);第80-87页 |
| 电信数据中用户行为特征测量与分析;宋竹等;《电子科技大学学报》;20151130;第44卷(第6期);第934-939页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105868447A (zh) | 2016-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105868447B (zh) | 基于双层网络的用户通讯行为分析及模型仿真系统 | |
| US9465523B2 (en) | Visual exploration of multidimensional data | |
| JP6362602B2 (ja) | デジタルトラフィックメトリックを処理するためのシステムおよび方法 | |
| Batty | Model cities | |
| CN103631657B (zh) | 一种基于MapReduce的任务调度方法 | |
| CN100476819C (zh) | 一种基于Web的数据挖掘系统及其控制方法 | |
| CN109684330A (zh) | 用户画像库构建方法、装置、计算机设备及存储介质 | |
| CN107066476A (zh) | 一种基于物品相似度的实时推荐方法 | |
| US20050203943A1 (en) | Personalized classification for browsing documents | |
| CN105825269B (zh) | 一种基于并行自动编码机的特征学习方法及系统 | |
| CN103106253B (zh) | 一种MapReduce计算模型中基于遗传算法的数据平衡方法 | |
| EP3561688A1 (en) | Hierarchical tree data structures and uses thereof | |
| CN106789338B (zh) | 一种在动态大规模社交网络中发现关键人物的方法 | |
| CN107704670A (zh) | 配电网信息物理系统仿真数据分析可视化建模方法 | |
| CN106202482A (zh) | 一种基于用户行为分析的网站优化方法及系统 | |
| CN108665513A (zh) | 基于用户行为数据的绘图方法和装置 | |
| CN106650930A (zh) | 模型参数优化的方法及装置 | |
| CN106997414A (zh) | 一种基于反射内存网络的多学科协同仿真实现方法 | |
| CN115954933A (zh) | 电网数字孪生系统构建方法、装置、电子设备和存储介质 | |
| US20220139010A1 (en) | Generating visualizations of analytical causal graphs | |
| CN102508971B (zh) | 概念设计阶段产品功能模型建立方法 | |
| US20190163671A1 (en) | Determining collaboration recommendations from file path information | |
| CN105260561B (zh) | 一种复杂网络通用仿真系统 | |
| KR101910179B1 (ko) | 데이터 시각화를 위한 웹 기반 차트 라이브러리 시스템 | |
| Kozlova et al. | Development of the toolkit to process the internet memes meant for the modeling, analysis, monitoring and management of social processes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Gu Yiran Inventor after: Huang Zixuan Inventor after: Meng Fanrong Inventor before: Huang Zixuan Inventor before: Gu Yiran Inventor before: Meng Fanrong |
|
| CB03 | Change of inventor or designer information | ||
| CB02 | Change of applicant information |
Address after: 210003 new model road 66, Gulou District, Nanjing, Jiangsu Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS Address before: 210023 9 Wen Yuan Road, Qixia District, Nanjing, Jiangsu. Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160817 Assignee: Zhangjiagang Institute of Zhangjiagang Assignor: NANJING University OF POSTS AND TELECOMMUNICATIONS Contract record no.: X2019980001251 Denomination of invention: User communication behavior analysis and model simulation system based on double-layer network Granted publication date: 20190524 License type: Common License Record date: 20191224 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200115 Address after: Room 507, No. 6-3, Xingzhi Road, Nanjing Economic and Technological Development Zone, Nanjing, Jiangsu Province Patentee after: NANJING NANYOU INSTITUTE OF INFORMATION TECHNOVATION Co.,Ltd. Address before: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66 Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190524 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |