面向移动社交网络的上下文数据辅助的社区结构研究

The research on mobile social networks community structure has important theory significance, research value and broad application prospects. We will research the community detection and community evolution baed on the context data of mobile social networks. The research work includes: 1) We will design the mobile social networks context data collecting and analyzing system, establish the semantic representation and correlation model for these data, and get the abstract mobile social networks with spatiotemporal attribute; 2) We will propose some sampling algorithms which can keep the network community structure well, sample the network data scientifically and reasonably; 3) Some community detection algorithms need to know priori knowledge, for instance, the number of communities or the communities backbone structure, we plan to propose methods for finding such prior knowledge beaded on Laplacian matrices Jordan forms of the network through theoretical analysis and proof; 4) Based on the priori knowledge, semantic representations and correlation models for context data, we will propose some overlapping community detection algorithms based on context data, and give a serious of evaluation indexes to evaluate these algorithms; 5) For the evolution of community, we intend to study the evolution process in both microscopic and macroscopic manners, and present some models that can depict the evolution of community in real mobile social networks.

移动社交网络的社区结构研究具有重要的理论意义、研究价值和广阔的应用前景。本项目拟结合移动社交网络的上下文数据对社区结构发现和演化进行研究。具体包括：1）设计移动社交网络上下文数据的采集分析系统，对采集到的上下文数据建立语义表示和关联模型，生成具备时空特征的移动社交网络；2）提出保持社区结构的采样算法，对网络进行科学合理地采样，采样结果能够很好地维持社区结构；3）针对后续提出的社区发现算法需要知道社区数量等先验知识的问题，通过理论分析与证明提出基于Laplacian矩阵Jordan型的社区数量与社区骨干结构等先验知识发现方法；4）在上下文数据的语义表示、关联模型和先验知识的基础上，提出基于上下文数据的移动社交网络重叠社区发现算法，并利用拟提出的符合重叠社区特征的社区发现算法评价指标进行评价；5）结合宏观和微观角度进行分析、归纳社区演化规律，提出符合移动社交网络生长规律的社区演化模型。

移动社交网络的社区结构研究具有重要的理论意义、研究价值和广阔的应用前景。本项目结合移动社交网络的上下文数据对社区结构发现和演化进行研究。主要研究内容包括：1）设计移动社交网络上下文数据的采集分析系统，对于word2vec所使用的CBOW进行改进，利用基于CBOW的数据处理模型对采集到的上下文数据建立语义表示和关联模型，生成具备时空特征的移动社交网络；2）提出保持社区结构的采样算法，对网络进行科学合理地采样，采样结果能够很好地维持社区结构，其中所用到PageRank算法进行社区聚集，改进森林火灾采样算法以及边界采样改进算法；3）对后续提出的社区发现算法需要知道社区数量等先验知识的问题，通过理论分析与证明提出基于Laplacian矩阵Jordan型的社区数量与社区骨干结构等先验知识发现方法，并证明三个关键结论；4）在上下文数据的语义表示、关联模型和先验知识的基础上，提出基于上下文数据的移动社交网络重叠社区发现算法，并利用拟提出的符合重叠社区特征的社区发现算法评价指标进行评价，主要包括基于Jordan型的社区发现算法，基于CPM改进的重叠社区发现算法，基于节点核心影响力的社区发现算法，基于中心人物的社区发现方法，基于标签传播的重叠社区发现算法以及基于区间图的社区发现算法；5）结合宏观和微观角度进行分析、归纳社区演化规律，提出符合移动社交网络生长规律的社区演化模型，主要包括基于边的动态社区发现和追踪算法以及提出四种社会演化模型进行分析。本项目其他部分提出了改进的阈值模型，提出了改进的独立级联模型以及基于TextRank的移动节点上下文数据的节点影响力排序算法。本项目共计发表SCI论文18篇，申请专利2项。