社会网络建模分析及挖掘算法研究

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《社会网络建模分析及挖掘算法研究》，欢迎阅读！

社会网络建模分析及挖掘算法研究

自上世纪七十年代以来,随着人类学、心理学、社会学、通信、数学等学科的发展,社会网络分析(Social Network Analysis,SNA)开始渐渐发展起来。作为一种有效的分析工具,社会网络分析也是针对关系论的一种思维方式。

利用社会网络分析方法,情报学领域的许多研究人员在引文分析、竞争情报分析、知识管理、博客、学科热点分析、图书馆资源配置、科研人员合著分析等方面开展一系列深入细致的研究。社会网络分析从根本上来说隶属于复杂网络研究领域,是一门典型的交叉学科。

社会网络分析的应用,不仅可以进行资源的合理布局,还可以提高信息的传播效率,更能实现劳动力市场资源的优化配置等。最终,可以指导人们认识社会现象的本质,指导人们对社会网络进行判断,从而解决实际的社会问题。

本文以职场社会网络为对象,开展社会网络的网络建模、拓扑结构特性及其演化特性分析和抗毁性分析等研究。针对现有的社会网络和本文提出的社会网络模型,开展节点重要性分析和关键链路挖掘算法研究。

具体地,本文从社会网络模型研究入手,通过简单精炼的模型来构造具有一定特征的网络结构,通过该模型将复杂的社会网络问题转化为简单算法实现的数学问题。然后,深入研究该网络模型的拓扑结构特性及其演化特性。

接着,利用中心性指标深入研究社会网络的节点重要性和抗毁性,并提出关键链路挖掘算法。本文完成的主要创新工作如下:首先,本文提出了一种反映职场环境变化的社会网络模型,通过该职场社会模型可以更简单地研究社会中职场人士的社会关系。

在该模型中,我们将节点视为个体,将连接视为社会关系,将集体视为社会组


织。该模型采用两个参数,一个为交流率,表示组织中连接的强度;另一个为跳槽率,表示节点在组织之间跳转的频率。

由此,我们将复杂的社会关系简化到数学模型,并且根据该数学模型,研究了职场社会关系网络的一些拓扑特征。仿真实验结果发现,本文提出的职场模型所产生的网络具有小世界特征。

通过设置不同的参数,产生的网络具有不同的聚类系数、集体分布和度分布。其次,针对上面提出的社会网络模型中采用的一些机制并不十分合理的问题,通过借鉴一些社会普遍现象,提出了更合理的贴近现实的改进的职场社会网络模型。

基于交流率和跳转率,首次提出采用社区结构来构建社交网络模型。仿真结果表明,相比先前的模型,由于节点的流动性更高,改进模型具有更好的现实性,有更大的平均度分布、更小的平均距离和更大的聚类系数。

由此表明,改进模型与社会特征相符,对研究社会网络关系有进一步的帮助。接着,本文利用各种中心性指标,对社会网络的节点重要性和抗毁性进行了研究。

本文着重比较了传统的度中心性,介数中心性,接近度中心性和近些年来文献中提出的二阶中心性、拉普拉斯中心性和全信息中心性在指导社会网络攻击中的性能。最后,本文提出了 一种结合熵权法和灰色关联分析的社会网络关键链路挖掘方法。

为了评估复杂网络中链路的重要性,关键在于如何全面、客观且独立地选择评价标准。本文提出的方法利用了灰色关联分析和熵权分析在多指标融合分析中的各自优点。

通过两个传统社会网络的测试对比分析表明,与其他传统方法相比,该方法对于关键链路的挖掘适用性更广而且评价更为全面。

本文来源：https://www.wddqxz.cn/c6e48870f21dc281e53a580216fc700abb68520f.html