基于三角形结构的网络动态演化机制研究

The mechanism of network evolution is one of the most important issues in social network analysis. The better understanding of network structure can help us uncover the formation and development of social network, predict its future status, or find out the abnormal elements of the network. Traditional researches about network evolution mechanism mainly focus on tracing the evolution of single element such as an edge or a point, and fail to capture multiple elements together during the process of network evolution. This project intends to leverage the simplest and most fundamental social groups -- triangle structure -- in the network, to study the mechanism of evolution of real social networks, and find out the potential factors influencing the evolution of the network, so as to establish effective model and design algorithm to simulate the network evolution. Triangle structure contains all the basic elements in the process of network evolution. Therefore, understanding the formation of triangle structures can help to reveal the complex and subtle mechanism that governs the dynamics of all social networks. The implementation of this project can effectively help us understand the underlying mechanism of social networks and its evolution, and is of great significance for understanding the development trend of user behavior in the network, identifying key events, and mining important users.

网络的动态演化机制的研究是社交网络分析中的一个重要的问题。对网络结构的深度分析能够帮助理解社交网络的形成与发展，从而对网络未来态势进行预测或对网络异常状态进行预警。传统的网络演化机制的研究侧重于对边或点等单一属性的演化追踪，未能同时捕捉网络演化过程中的多因素变化。本课题拟利用网络中的最小群体单元--三角形结构，对真实的社交网络的演化机理进行研究，并找出影响网络演化的因素，从而建立有效的模型并设计算法对网络的演化进行评估及准确预测。三角形结构蕴含了网络演化过程中的所有基本因素信息，因此，理解三角结构的形成规律可以帮助揭开动态社交网络复杂而微妙的演化过程。该课题的实施能有效理解社交网络以及网络结构演化的深层机理，对了解网络中用户行为发展态势，识别群体关键事件，挖掘关键重要用户等都具有重要意义。

网络的动态演化机制的研究是社交网络分析中的一个重要的问题。对网络结构的深度分析能够帮助理解社交网络的形成与发展，从而对网络未来态势进行预测或对网络异常状态进行预警。传统的网络演化机制的研究侧重于对边或点等单一属性的演化追踪，未能同时捕捉网络演化过程中的多因素变化。本项目从网络中的最小群体单元--三角形结构出发，对真实的社交网络的演化机理进行了系统研究，并建立了基于三角形结构的网络演化模型对网络的未来状态进行评估及预测。进一步，对三角形结构进行扩展，利用网络的演化特性，设计了基于元路径的异质时序网络的表示模型，对更复杂的异质网络的未来状态进行估计和预测。同时，针对实际应用中更复杂的网络，提出用多视角的思想将网络中不同类型的边转化为多视角网络进行学习，并从不同角度提出基于多视角的异质网络表示学习的方案，对网络的未来状态进行预测。该项目的开展能更有效理解社交网络以及网络结构演化的深层机理，对了解网络中用户行为发展态势，识别群体关键事件，挖掘关键重要用户等都具有重要意义。