基于主题关注模型的在线社交网络社区发现与信息传播机理研究

As the rise of these large-scale social networking sites, social networks have attracted researchers' high level of attention. Among them, community detection, information diffusion model and influence maximization are the most hot research focuses in these fields. In 2010, social graph and interest graph are prosed by Facebook. Now, the social network based on social graph is the mainstream of the social network. However, the social network based on interest graph, whose purposes are interest sharing, leads the reform trend of the social network. At present, most work on social network are based on the traditional social graph. Based on social graph and interest graph, a new social network model theme-concerning model is proposed in this project. Different from the traditional model, theme-concerning model combines social relations and interest sharing relations in the social network. In the theme-concerning model, edges express the social relations among individuals, nodes contain the information that individuals participate the theme-concerning activities based on their interests. Due to the combination of the semantic features in the theme-concerning model, traditional theories and methods of community detection, information diffusion and influence maximization are not suitable. This project aims to study new theory for community detection, new mechanism for information diffusion and new methods for influence maximization, which will pave the way to group situation analysis and emotion analysis.

随着一些大型社交网站的兴起，学术界对此展开研究，其中，社区发现、信息传播模型和影响最大化是该领域的研究热点。2010年Facebook提出社交图谱和兴趣图谱的概念。从目前来看，以社交图谱为基础建立的社交型社会网络是主流,而以兴趣分享为目的的兴趣型社交网络引领着社会网络改革的潮流。目前关于社会网络的研究多基于传统的社交型社会网络。本课题基于社交图谱和兴趣图谱，构建一种融合社交关系和兴趣共现关系的社会网络新模型- - 主题关注模型。在该网络中，图中的边既能反映社会个体之间显式的社交关系，也能反映社会个体基于共同兴趣参与网络中主题活动的情况。由于网络中的边具有明显的语义特征，使得传统的社区发现理论、信息传播模型和信息最大化的许多成果不再适用。本项目就是在新的模型下研究社区发现的新理论、信息传播机理和影响最大化理论，进而为群体态势分析、情感分析等奠定理论基础。

个体与主题之间关注关系的模型——主题关注模型，在此基础上社交网络的社区发现算法、信息传播机理、影响最大化算法进行了研究。主要包括如下研究内容：.1.构建了主题关注模型.主题关注模型的关键是对象个体与共同主题的表达形式。应用集对理论描述用户对主题关注的态度和程度，对主题关注模型进行了形式化的定义，为后续研究奠定了基础。.2.社区发现与链接预测理论研究.主题关注模型在考虑用户之间的关注和关注与被关注关系时，形成了有向图表示；根据主题关注模型的特点，顶点相似度的计算方法上，不仅要考虑用户个体之间的相互影响，同时也考虑到共同主题的影响，将集对理论应用到社区发现，重新定义顶点之间相似度的计算方法，进而对社区发现算法和链接预测方法进行了研究；考虑关注的态度时又形成了符号网络关系，对符号网络社区发现算法也进行了研究。.3.信息传播模型与影响最大化算法研究.在信息传播模型的研究方面，借鉴已有的研究成果，对信息传播理论进行了研究，提出了基于偏好的信息传播方法。在此基础上，对影响最大化理论进行了研究，分别提出了具有正向和负向的影响最大化算法和考虑成本的影响最大化算法进行了研究。