论文部分内容阅读
社交网络已经成为当前人们实现信息传播与共享的重要平台。随着用户聚集规模不断膨胀,社交网络已经产生巨大的社会影响力,并将这些影响力渗透到人们生活的各个角落。因此,针对社交网络中各类对象开展影响力分析,已经成为当前研究的热点问题之一。传统的影响力研究按照实体对象不同主要可分为两类,即用户实体为对象和社区实体为对象的影响力分析研究。从影响范围、影响程度等角度来看,由众多用户组成的社区作为一个整体,其影响力无疑将大大超过个体用户所具备的影响力。因此,社区影响力分析研究具有更为广阔的前景和积极的意义。目前,众多研究主要聚焦于个体用户影响力开展,而针对以社区为整体开展影响力分析的工作较少。同时,个体用户影响力分析方法大多数基于用户属性或者基于概率的统计方法等进行研究,较少考虑剔除如僵尸粉丝等干扰因素,也未考虑将用户之间的信任关系这一重要元素纳入影响力分析中。另外,对社区影响力研究尚未充分考虑到社区规模以及社区内用户间关系紧密度等重要因素对社区影响力分析所起的作用。针对传统研究中存在的不足,本文聚焦于针对社区实体的影响力分析研究工作,提出了社区影响力评估模型CIEM(Community influence evaluation model)和社区影响力预测模型CIPM(Community influence prediction model)以及相关计算方法与理论。论文的主要工作包括:1)在社区影响力评估模型中,首先给出了CIEM模型框架以及相关定义;其次,给出了僵尸粉丝的剔除方法以及将信任这一元素融入用户影响力计算中,并给出用户最终影响力的计算方法;进而,将社区用户综合影响力和社区规模以及社区内用户关系紧密度综合,给出社区影响力的计算方法;最终,提出了社区延伸影响力的计算方法,即“社区对社区内用户”、“社区对社区外用户”,以及“社区对社区”三类关系的影响力计算方法;2)在社区影响力预测模型中,首先给出了CIPM模型的框架以及相关定义;其次,给出了链路预测可信度的计算方法;最后,给出了社区影响力预测的计算方法。3)仿真实验表明,CIEM模型的计算准确性与加权平均法相比准确度较高,CIPM模型在网络安全的预测方面有较高的应用价值;同时,实验表明CIEM模型和CIPM模型吻合度较高,从而进一步验证了本文提出方法的正确性。