基于信息交互网络的个体角色识别方法研究

摘要

二十一世纪是复杂性的世纪，复杂网络作为研究复杂系统的有力工具，经过十几年的发展，不管是在理论上还是在实践上都取得了巨大进展，并产生了巨大的社会价值。作为复杂网络研究的一个分支，社会网络随着社交媒体的广泛普及，和大规模人员交互数据获取门槛的降低，而逐渐大放光彩。社会网络分析在传染病传播控制、犯罪网络打击、领域专家推荐、社交媒体的舆论领袖挖掘、谣言溯源、组织结构识别等领域都取得了实际的效果，而这些问题本质上都可以抽象为社会网络中节点影响力分析和角色识别的问题，对这一问题的研究具有重大的现实意义。
　　本文重点研究基于信息交互网络的个体角色分析和识别问题，主要完成了以下几个方面的工作：
　　（1）建立了基于信息交互网络的个体角色分析和识别模型框架
　　角色决定行为。基于这一共识，本文从组织内成员之间的交互入手，基于交互的结构和交互的信息分析个体的角色。通过计算交互内容与特定主题的语义相似度，确定交互边的权重，并进一步构造出加权的信息交互网络；基于含权的信息交互网络，通过构造的迭代公式及聚类算法，计算个体的角色关联度，并在此结果上可以对组织内的特定角色个体进行识别。因此，基于信息交互网络的节点角色分析建模的一般过程可以总结为：1）明确特定角色，确定特定主题；2）分析交互内容，提取交互主题；3）分析主题内容，计算交互内容与特定主题的关联度；4）量化交互边权；5）基于结构信息计算局部角色关联度；6）基于聚类方法计算全局角色关联度；7）特定角色识别。
　　（2）量化了信息交互网络的边权
　　将组织中参与交互的个体抽象为节点，个体之间的交互关系抽象为连边，这样可以得到组织的信息交互网络。交互边权重的确定是研究的重点和难点。明确特定角色之后，可以确定特定的主题，一般而言可以表示为有限个特征单词。交互边权重衡量的是交互内容与特定话题的内容相关度。本文采用ART主题模型提取交互内容的主题，并在基础上计算交互内容与特定主题的语义相似度，作为该交互边的权重值，从而得到加权的信息交互网络。
　　（3）提出了基于局部信息的个体局部角色关联度计算公式
　　基于四点假设，利用加权信息交互网络中个体的局部信息，包括邻居节点信息和邻居边信息，构造出计算节点角色局部关联度的公式，并证明该公式满足假设的要求，也收敛于一个唯一稳定的解，而且稳定解与初始状态无关，说明模型与组织中个体的先验角色信息无关，这个结论对于模型在现实中的应用很有帮助。
　　（4）提出了基于聚类算法的个体全局角色关联度计算方法
　　提出了基于软聚类，即模糊 K均值聚类（FCM），和硬聚类，即密度-距离（DD）聚类的个体全局角色关联度计算方法。聚类算法可以充分利用全局信息，使得相同角色的个体聚为一类。模糊 K均值聚类得到的是个体关联特定角色的概率值列表，DD聚类输出的是个体明确的角色分类结果（是否是特定角色），二者互为补充，DD算法可以帮助确定FCM方法的阈值，而FCM算法的结果可以量化DD算法结果中个体的角色关联程度。
　　最后，本文在安然数据集和ICM-C82数据集上进行了实验，结果表明模型可以有效的识别出安然公司中参与“Raptor”项目的骨干人员和某公司参与诈骗活动的犯罪分子，从而验证模型可以有效识别出组织中特定角色个体。

目录

声明

第1章 绪论

1.1 研究背景与意义

1.2 相关研究现状

1.3 论文的主要创新点

1.4 论文的组织结构

第2章 基于信息交互网络的个体角色分析建模

2.1 社会网络中的角色、行为、信息及结构

2.2 社会网络个体角色分析建模

2.3 本章小结

第3章 基于主题模型的交互话题提取方法

3.1 主题模型的基本原理

3.2 基于ART模型的交互话题提取

3.3 实验分析

3.4 本章小结

第4章 基于加权信息交互网络的个体角色关联度计算模型

4.1 交互边权重的计算

4.2 基于局部信息的个体局部角色关联度计算

4.3 基于聚类算法个体全局角色关联度计算

4.4 实验分析

4.5 本章小结

第5章 模型在刑事侦查领域的应用

5.1 犯罪角色识别研究框架

5.2 实验数据介绍

5.3 实验分析

5.4 本章小结

第6章 总结与展望

6.1 工作总结

6.2 下一步研究展望

致谢

参考文献

作者在学期间取得的学术成果

附录A 攻读硕士学位期间参加科研情况

附录B 安然公司高管的姓名、职务列表

附录C 基于ART模型的安然数据主题划分结果（主题数K=75）