在线Web交互网络信息传播敏捷感知与预测机制研究

The real-time, large-scale and difficult control attributes of information dissemination on Web Interactive Network make it very hard to analyze，perceive and predict the abrupt mass events, and bring potential risk of huge social public safety. Existing research still can not describe the structural characteristics of the interactive network very well, the basic theory is difficult to effectively support the network information management,so the basic theory and technology about information agile perception and dissemination prediction urgently need to be improved and broken through.To explore the information dissemination dynamic behaviors, based on the complex network theory, this project carries out the following four aspects research: Firstly, we analyze the network structure and social attributes to build interactive network state model from the point of community, revealing the nodes, community and global topology evolution mechanism. Secondly, considering dynamic evolution features, the efficient algorithms are designed using local knowledge to find the local and the overlapping communities. Thirdly, the influence evaluation model of nodes is conceived based on the dynamic community structure to design algorithm for obtaining the influencing node set, and build up the prompt information perception mechanism. Then the node forwarding model is established by analyzing multi-dimensional attributes and topic preference characteristics, the information dissemination range is thus predicted . Finally, the monitoring and influence analysis system prototype for the interactive network will be designed to verify and improve the theory results，as well as to provide theoretical and technical support for online interactive network information management and public opinion analysis.

在线Web交互网络信息传播的实时性、规模性和难以控制性使突发性群体事件更加难以分析、感知和预测，带来了潜在的社会公共安全风险。现有研究成果尚不能很好地刻画交互网络结构特征，基本理论难以对信息管理提供有效支持，因此，信息敏捷感知和传播预测等基本理论和技术亟待完善与突破。本项目针对交互网络信息传播动态行为，以复杂网络理论为基础，进行以下四个方面的研究：分析网络结构和社会属性，构建基于社区的交互网络状态模型，揭示节点、社区和全局拓扑演化机制；面向动态演化特性，基于局部知识设计高效算法，完成局部重叠社区发现；基于动态社区结构，建立影响力评价模型，设计影响力节点发现算法，构建信息敏捷感知机制；分析节点多维属性和话题偏好特征，建立节点转发模型，形成信息传播范围预测机制；最终设计交互网络动态信息监视与影响分析原型系统，对理论成果进行验证和完善，为在线交互网络的信息管理、舆情分析提供理论和技术支撑。

为深入分析微博等在线交互网络动态行为特征和信息传播的内在规律，进而为网络信息感知、预测及分析评估提供理论和技术支撑，本项目主要从Web交互网络信息的可观测性和信息传播影响的可预测性两大核心内容进行了研究。信息可观测性研究包括社会网络信息传播分析、社会网络社区结构检测以及社会网络影响力节点发现三个方面；信息可预测性研究包括在线 Web 交互网络信息敏捷感知和社交网络舆情监控两个方面；此外，本项目还针对在线Web交互网络用户数据存储与数据安全保护设计了高效的解决方案。.具体地，针对社会网络信息传播分析，首先基于新浪微博开放接口开发了数据采集程序进行微博数据抓取，基于抓取的微博数据进行网络拓扑特征和消息传播特征的分析。构建了普通社会网络与基于位置的社会网络的信息传播模型，有助于后续影响力节点发现研究和信息传播预测算法设计。开发了一款具有自主知识产权的可视化新浪微博传播统计与预测系统软件。为刻画移动交互环境下的信息传播模式，考虑移动交互环境下节点的社会关系，提出基于社会属性的BridgingCom路由算法。此外，为了模拟移动交互网络中的信息传播，采用多Agent建模的方法设计了数据传播线路选择方案。针对社会网络社区结构检测，提出一种带有衰退机制的局部社区识别方法，能够及时更新节点所属社区信息。提出一种移动社会网络的本地社区划分方法，使消息传递更有方向性、减少冗余的消息传输。提出一种基于“三度影响力”的社区检测算法，为影响力最大化节点集合选取提供支撑。针对社会网络影响力节点发现，提出一种基于k-核的社会网络影响最大化算法，综合节点核数和度数两个属性找到影响力节点集合。考虑待推广商品和社交网络用户自身的属性，提出一种基于属性的影响力最大化算法。为解决传统影响力最大化算法在影响范围和运行时间上存在的不平衡问题，提出了一种综合启发式和贪心算法的社交网络影响力最大化算法。针对在线 Web 交互网络信息敏捷感知，提出基于用户属性、社交关系和微博内容三类综合特征，使用机器学习的分类方法，对给定微博的用户转发行为进行预测。针对社交网络舆情监控，提出一种基于情感分析的社交网络意见领袖挖掘算法和一种在线社交网络中地域性话题发现算法。.项目组在WISE、ICC等国内外会议和期刊上发表和录用论文15篇，申请国家技术发明专利3项，申请计算机软件著作权2项，培养了20位硕士毕业生，达到了预期目标。