社会网络中,时刻都有新消息被发布。这些消息经过转发形成了消息的传播事件。在社会网络的研究中,如何选择监测节点,有效的监测消息的传播是维护网络秩序中的重要问题。社会网络中的监测节点,指的是能够在很大程度上反映网络上消息传播程度的一些重要的节点。如今的社会网络十分庞大,无法直接获得和处理具体网络结构,在这样的背景下选择监测节点成为更加困难的问题。本论文研究的是社会网络监测节点选择算法设计与系统实现,主要包括两个部分。在设计监测节点选择算法部分,本文充分利用数据挖掘、概率图模型和模集函数等方法,生成频繁集,构建马尔科夫网,通过求解模集函数最优值的方法选择监测节点。在实现监测节点选择系统的部分,通过分析系统的处理流程,设计系统的功能模块,编程实现一个用于寻找对社会网络影响消息传播程度较大的监测节点的Web应用。根据社会网络监测节点选择算法设计与系统实现的流程,本文的主要贡献概括如下:提出一种寻找微博、推特等社会网络中监测节点的方法,具体的内容是:基于网络节点间的关联关系,构建马尔科夫网,保证所有待选择的节点集均在一个连通图中;其次,处理频繁项集集合X,保留待选择节点所在的项集x;引入一种子模函数,通过计算模集函数的最优值,选择监测节点。测试选择监测节点算法的执行效率。实验选取微博消息转发数据集和推特网页内链接数据集,分别测试监测节点选择算法的执行效率,并分析影响算法执行时间的主要因素。设计社会网络监测节点选择系统。首先,进行系统的总体设计。根据系统的处理流程,将系统划分为数据上传、数据处理、网络节点间关联规则挖掘、马尔科夫网构建和监测节点选择六大功能模块。之后,给出每个模块的运行图。实现社会网络监测节点选择系统。根据监测节点选择系统对数据结构、算法实现和模块实现等方面的设计要求,利用JAVA、HTML等编程语言和Spring MVC编程框架实现监测节点选择系统,并利用Tomcat服务器将系统发布。