在线社会网络大数据的大图结构特性与多群体联合演变的分析与建模研究

Facing the challenging research problems of analyzing the big-graph structure and modeling the dynamics of multi-community behavior from the big data of the micro-blogging network and other online social networks, a research program is described as follows. Firstly, an analysis method of graph structure with high efficiency and low complexity is proposed for the parallelizable subgraph segmentation algorithm and core decomposition algorithm of big graphs. Secondly, a method based on random walk is studied for exploring the large-graph structure. Based on the analysis of graph structure, the analysis of the dynamics of multi-community behavior is given and a fast algorithm for dynamic community detection is proposed. Combined with an in-depth analysis of the resource competition mechanism during the dynamic evolution of multiple communities, a dynamic evolution model of multiple communities is built. ..The whole research program mainly focus on the top research problems in the big data analysis of the online social networks. The results can provide a theoretical basis and support for many important studies, such as the internet public opinion analysis and the urban computing. At least 10 papers, 4 national invention patents and 2 software copyrights based on the research program are expected. The system of big-graph structure analysis and user behavior identification on the online social networks will be developed with independent intellectual property rights.

针对微博、社交网站等为来源的在线社会网络大数据，以社会网络用户行为的动态性识别与分析为主要研究方向，面对其中的大图结构分析难题和多群体联合演变分析难题，首先以高效的低复杂度的结构分析方法为目标，研究大图网络结构分解方法，分别解决可支持并行化计算的子图分割算法和保持基本功能的大图结构降解算法问题，然后研究基于随机游走方法的大图结构探索方法；在结构分析的研究基础上，分析群体行为动态演变的重要特征，提出群体动态生成的快速发现方法，并对多群体动态联合演变中的资源竞争机制进行深入分析，从而提出网络多群体动态联合演变模型。理论研究成果可为社会网络中的大图结构分析提供高效的分析手段，并将揭示社会网络用户的多群体联合演变规律，为网络舆情分析、城市计算等重要应用提供理论基础与支持。项目预期成果将发表高水平论文10篇以上，申请4项发明专利，并将开发具备自主产权的在线社会网络结构与用户群体演变分析系统。

本项目针对微博、社交网站等为来源的在线社会网络大数据，面对大图结构分析难题和多群体联合演变分析难题，首先以高效的低复杂度的结构分析方法为目标，研究大图网络结构分解方法，分别解决可支持并行化计算的子图分割算法和保持基本功能的大图结构降解算法问题，然后研究基于随机游走方法的大图结构探索方法、在结构分析的研究基础上，分析群体行为动态演变的重要特征，提出群体动态生成的快速发现方法，并对多群体动态联合演变中的资源竞争机制进行深入分析，从而提出具有共性意义的网络多群体动态联合演变模型。相关理论研究成果在自主开发的在线社会网络结构与用户群体演变分析系统中得到验证。.针对上述研究目标和任务，本项目主要以在线社会网络的结构分析和用户行为建模为主要研究方法，具体开展的研究内容包括：在线社会网络中垃圾信息发布者特征分析与检测研究、在线社会网络中突发热点话题信息的传播分析与早期检测研究、基于多项独立随机游走的在线社会网络大图社区发现的并行化算法、基于资源竞争的在线社会网络多话题传播模型、在线社会网络中协同性话题劫持用户群组检测、微博社会网络中的信息传播分析与建模研究、在线社会网络中多话题竞态传播分析与建模研究、在线社会网络营销活动中的恶意参与用户行为分析与识别、大图数据并行计算中的图分区算法研究、在线社会网络中恶意洗钱帐号的分析与检测、在线社会网络中的相似用户群组检测、多源在线社会网络中的相似群组检测、面向在线社会网络用户行为理解的协同进化模型等，在上述理论和技术研究成果基础上，设计开发了在线社会网络结构与用户群体演变分析系统。.上述成果在IEEE Transactions on Systems, Man, and Cybernetics: Systems、ACM Transactions on Knowledge Discovery from Data、IEEE Network、Expert Systems with Applications、IEEE Infocom等高水平期刊和会议录用发表论文18篇，其中12篇为SCI检索国际期刊论文。申请国家发明专利6项，并获授权2项。研究成果作为主要贡献点之一获得了2018年教育部自然科学二等奖。本项目还培养了博士研究生3人、硕士研究生5人。