基于节点相似度的大规模融合情感社交网络表示、分析与挖掘

The researches on social network have high theoretical value and application prospect. At present, relationship-based analysis technologies have played key roles in link prediction, community discovery, information diffusion etc. However, there are many imperfections to be improved for these technologies. In this project, we would like to address the following issues: how to integrate sentiment into the relationship to reflect the essence of users’ relationship, how to efficiently process large-scale network data，how to analyze individual information diffusion. Based on nodes similarity, we will: 1. construct sentiment-aware social relationship graph, which is expected to solve the first challenge; 2. design a framework for network representation and an effective algorithm of community discovery, which are expected to efficiently process large-scale network data; 3. identify individual’s structural hole spanners, which are used to analyze information diffusion of the individual and help the individual to obtain heterogeneous information. 4. generalize social contagion model of structural diversity, which is expected to have a widespread application. These researches will promote and facilitate the development of relationship-based analysis techniques over the social network.

社交网络具有很高的理论研究价值和应用前景。基于关系的分析技术在链接预测、社团发现、信息扩散等方面取得了重要成果，然而其技术远未成熟，课题针对以下三个问题：如何融合用户情感与社交关系从而最大程度反映用户之间的相似性，如何有效处理大规模网络数据，如何分析个体的信息扩散，以基于关系的节点相似度为基础，拟提出：1.融合情感信息的社交关系图构建方案，解决情感和关系融合问题；2.面向相似度的网络表示模型和有效社团发现算法，支撑处理大规模网络数据；3.识别与个体相关的结构洞结点算法，用于分析个体的信息扩散以及获取异质信息的问题；4.泛化的结构多样性的社会传染模型，分析影响个体决策的机制。通过这些问题的解决促进和推动社交网络中基于关系的分析与挖掘技术的发展。

本课题针对面向大规模网络数据的基于关系的节点相似度计算、网络表示学习、社团检测与深度挖掘、网络结构多样性等问题展开研究，主要取得如下成果：.（1）基于关系的节点相似度计算框架，提出阈值过滤技术，并且通过数学证明了该阈值过滤技术；提出基于外存的计算框架算法，通过变换度量公式，使得每次计算采用顺序读取所需数据，从而最大限度减少I/O次数。.（2）有效的网络表示学习算法，使用生成对抗思想进行网络表示，同时把Motif的高阶关系与网络的低阶关系嵌入到节点的表示中，在链接预测和分类任务上取得了很好的效果。.（3）提出基于关系的相似度的层次重叠社团检测算法，在此基础上，进行深度挖掘：top-k结构洞占有者查询和top-k异构信息查询，帮助用户更深层次理解网络。.（4）对基于社会网络的结构多样性相关研究成果进行总结梳理，对其进行理论溯源，分析概括了其存在的问题，从模型改进、高效算法、实际应用三个主要方面论述了结构多样性的研究现状，并对未来研究提出展望。.（5）演化算法研究，统计与推理能力是提升演化算法在大规模优化问题中综合性能等主要策略之一，主要贡献为种群行为统计分析方法、适应值景观特征分析，演化算法自适应控制。