复杂网络社群演化的理论及应用研究

Complex network community evolutionary analysis is an important research topic for network evolution trend understanding and intervention by means of in depth study of the evolution characteristics of the network under concern. ..Based on a Community-Level Best Match Model (CBMM) which we purposed recently, this proposal aims to delicately probe into the theoretical problems related to the model as well as the algorithm and application aspects in dealing with real world networks. Firstly, our theoretical research will build up relations between the CBM model and other existed network evolutionary models. Meanwhile, maximum likelihood estimation and gray estimation will be employed to build new CBMM–based forecasting models. The error limits and forecasting abilities of these models on types of networks will also be analyzed at the same time. Secondly, this project will design and optimize a series of CBM based algorithms for community evolutionary trend analysis and evolutionary outlier detection. Finally, the above theoretical research results and algorithms will be used to develop application systems for large scale online social network evolution trends analysis, which will focus on monitoring micro-blog community evolvement and opinion leaders’ abnormity trajectory using an “user-topic” relation community evolution mechanism. ..Research of this proposal is not only definitely meaningful to the development and enrichment of complex network evolutionary analysis, but also of great valuable in building application tools for real world social and biological network evolution analyzing.

复杂网络社群结构演化研究是通过分析网络社群结构演化特性从而理解并调控网络及节点行为的重要课题。基于本课题组提出的网络社群结构最优匹配模型，本项目拟全面开展基于该模型的理论研究、社群演化预测算法和演化离群点检测算法研究及应用系统的设计开发工作。首先，理论研究将建立和完善该模型与现有各种复杂网络演化模型间的关系，研究并证明模型匹配与预测误差限,提出基于匹配矩阵序列的极大似然估计和灰预测模型。其次，研究并优化设计基于社群最优匹配思想的社群演化预测算法和演化离群点检测算法。最后，以微博网络“用户-话题”社群结构分析及其演化预测为主题开展应用原型系统的设计开发工作，以揭示这一新型在线社交网络社群的形成与演化规律，验证演化离群点发现算法对微博“意见领袖”演化异动行为的识别能力。本项目研究不仅对丰富和发展复杂网络演化预测理论与方法具有重要意义，同时在构建生物与社会网络分析工具方面具有明确的现实应用价值。

在线社交网络的爆炸式发展正在深刻地影响着人类社会的各个方面，成为复杂网络研究的焦点，从复杂网络的角度研究其结构特性及其演化模式越来越受到关注。传统的诸如BA网络和W-S网络模型多是面向扁平化的单模网络的，难以处理包含多种复杂关系的多模网络，并在面向实际应用领域的拓展方面存在广泛的空间。为此，本课题以在线社交网络等多模网络为对象，研究复杂网络建模、结构划分及其全局表示、社群演化和离群点发现等主要问题，并将研究成果应用于社会化推荐和网络舆情分析等应用领域，实现应用系统的产业化。具体说来，本课题研究成果包括以下4个方面：(1)在复杂网络建模方面，重点研究了社交网络媒体中的文本分割、话题抽取问题、事件监测和用户交互关系抽象化，提出了融合话题和多种用户交互关系的一体化网络表达模型，能够全面融合在线社会网络蕴含的各类交互关系，并通过改进的社群结构发现算法实现合理的社群结构发现，在此基础上，通过引入虚拟社群的思想，给出了能真实反映个体节点网络贡献度和社群参与度的全局表述模型。(2)在网络社群结构演化与预测方面，将网络社群发现和演化预测问题整合到统一的框架下,提出了在网络结构渐变假设下社群结构演化预测模型和基于节点社群隶属度多维染色体标注方法的二维遗传算法。（3）在网络演化离群点与意见领袖发现方面，重点研究了虚拟社区节点间信任关系对网络交互的影响，提出了基于信任评价指标的不可信节点发现方法和基于损失最小化的离群点发现算法。(4) 将研究工作与当前急需的网络信息分析系统研发紧密结合，联合软件企业研发了面向微博等社会网络的互联网信息监测系统，完成了系统涉及网络事件信息爬取、特定用户监测、舆情扩散结构及其演化监测等主要模块的技术攻关工作。目前，该系统已广泛应用于政府部门、高校和大型企业等数十家单位，取得了显著的经济和社会效益。