基于形式概念分析的符号社会网络可信社区发现和动态演化机制研究

Signed Social Networks (SSNs) have wide practical applications in the fields of opinion guidance, personalized recommendation, and topic identification over the social media. However, the sharp increases on the scale of SSNs with diversified social interactions are facilitating the complication of trust and distrust relations between users in SSNs. In particular, the serve impacts on formation of trusted communities and topological structure evolution caused by distrust relations directly lead to the difficulties on trusted communities detection and its dynamic evolution characterization. Toward this end, this project is firstly to explore the representation mechanism for SSNs by using Formal Concept Analysis（FCA）and propose a FCA-based representation model; Then, the novel mechanisms for trusted communities detection and dynamic evolution are put forward by establishing the equivalence relation between trusted communities and formal concepts. Based on the proposed mechanisms, the corresponding efficient model and algorithms are further devised. Finally, the effectiveness of proposed methodologies, approaches and algorithms are evaluated and validated by the case study. The innovative study of this project will provide theoretical basis and technical supports for trusted communities detection and dynamic evolution in SSNs, as well as has important advancement significance on analyzing, understanding and predicting the topological structure, functions, and dynamic behavior of SSNs.

符号社会网络在社交媒体舆论引导、个性化推荐、话题识别等领域具有重要的应用价值。然而，符号社会网络规模的急剧增大和社交行为的日益多样化，使得网络中用户之间的信任与不信任关系更加错综复杂，特别是不信任关系对可信社区的形成和结构演化的重要影响，直接导致可信社区难以发现和演化规律难以刻画。为此，本项目以用户之间的信任与不信任关系研究作为切入点，运用形式概念分析理论和方法研究符号社会网络的表达机理，进而提出一种基于形式概念分析的符号社会网络表示模型；通过建立可信社区与形式概念之间的等价关系，提出基于形式概念分析的可信社区发现方法和动态演化机制；在此基础上设计新型快速的可信社区发现和演化算法；通过实证分析验证所提出的理论、方法和算法的有效性，为可信社区的发现和动态演化分析建立新的理论基础并提供技术支撑。本项目的创新研究对于分析、理解和预测符号社会网络的拓扑结构、功能、动力学行为具有重要的推进意义。

符号社会网络在社交媒体舆论引导、个性化推荐、话题识别等领域具有重要的应用价值。然而，符号社会网络规模的急剧增大和社交行为的日益多样化，使得网络中用户之间的信任与不信任关系更加错综复杂，特别是不信任关系对可信社区的形成和结构演化的重要影响，直接导致可信社区难以发现和演化规律难以刻画。为此，本项目以用户之间的信任与不信任关系研究作为切入点，以形式概念分析理论和方法为研究工具，开展其可信社区发现和动态演化机制的相关研究。具体来说，本项目系统分析了目前基于软计算理论的社会网络分析研究进展，特别针对基于形式概念分析的社会网络分析，从其形式背景表达，分析和处理三个层面进行了详细阐述，并介绍了相关研究工具包。鉴于概念格的生成是NP-complete问题，深入分析由社会网络构造的形式背景的特点，并结合该特点设计面向社会网络的概念格生成的高效增量式算法，为后续的拓扑结构的快速挖掘奠定技术基石。 在拓扑结构挖掘和分析方面，本项目分析可信社区间的不可重叠特性，揭示和验证了社会网络中极大社团（Maximal Clique）与等势概念（Equiconcept）的等价关系, 并提出基于形式概念分析的多元化top-k极大社团检测算法; 此外，本项目拓展现有的k-核分解，提出基于形式概念分析的ɵ-冰山核分解方法; 在可信社区动态演化方面，本项目通过研究分析面向动态社会网络的极大社团演化模式及其数量关系，来揭示符号社会网络可信社区的动态演化模式和规律。. 总之，本项目在基于形式概念分析的符号社会网络表达、关键结构建模及挖掘方法、动态演化等方面取得了研究进展，为其相关应用如舆论引导，个性化推荐，话题识别提供了有效的解决方案。