社交网络中节点影响力评估方法及其实证研究

摘要

随着互联网技术的快速发展与不断革新，各种网络媒介与平台相继出现，促使社交网络日益普及与壮大。社交网络作为一种新时代全新的交流平台，已经悄悄地渗透到我们生活当中并发挥重要作用，特别是在信息交流传播、舆情与病毒的控制等方面。除了社交网络整体结构特征的研究之外，网络中个体行为、个体间的交互模式、以及个体对整体的影响等方面的分析也不容易忽视。为此，如何更加准确地分析单个节点与网络整体的关系具备重要的理论意义与实际应用价值。
　　社交网络作为一门学科进行研究，包含了丰富的社会成员信息以及成员之间的关联信息，而这些关系数据一般可以使用图来表示。图上的每个节点分别表示成员个体，边则表示成员之间的联系。如今，基于图表示的社交网络研究包含较多的热点问题，网络节点影响力分析便是其中之一。通过分析社交网络信息传播能力及其影响力，可以使得网络中重要的信息更高效地分享和传播，从而方便掌握社交网络信息传播动态，并开展及时地处理与应对。根据节点影响力的分析，可以防止舆情或病毒等信息的蔓延，从而实现更精准的提前防范。此外，合理地评估节点在社交网络中的影响力，对虚拟网络、商业运营等业务的管理也具备重要的参数价值。
　　本文旨在对社交网络中节点的影响力开展分析与研究，提出一种基于随机游走模型的网络节点影响力综合排序解决方案。该方案的主要思路:虽然目前已有度数(Degree)、紧密度(Closeness)和介数（Betweeness）等节点影响力评价指标，但它们均局限于单一的方面。为此，我们通过这些单个指标构建一个综合的节点影响力优先关系图的模型，并在此基础上通用随机游走（Random Walk）算法给出最终的综合排序。在构建优先关系图的过程，先依次针对单个指标逐一分析节点间的优先关系，形成部分优先关系依赖图，最终通过叠加形成综合的优先关系图。为了验证所提出的方法的有效性，论文针对Arpa、Karate、PolBooks等六个公开的社交网络开展了较为深入的实验分析。实验结果证实了基于随机游走的节点影响力综合排序方案的有效性，相较于三种基本的排序方法表现出一定的优越性。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 研究内容与目标

1．3 国内外研究现状

1．4 研究论文的组织结构

2 基础理论及方法

2．1 社交网络

2．2 节点影响力分析

2．3 随机游走算法

2．3．1 随机游走的原理

2．3．2 随机游走算法实例

2．4 典型的节点中心性

2．4．1 度中心性

2．4．2 紧密度中心性

2．4．3 介数中心性

2．5 SIR传播模型

2．6 本章小结

3 节点影响力综合评价模型

3．1 已有的单属性排序方法

3．1．1 节点度数排序

3．1．2 节点紧密度排序

3．1．3 节点介数排序

3．2 优先关系依赖图的构造

3．2．1 总体技术框架

3．2．2 指标序列标准化处理

3．2．3 部分优先关系依赖图的构造

3．2．4 全局优化优先关系矩阵的构造

3．3 基于随机游走的影响力综合排序

3．4 实例分析

3．4．1 评价指标

3．4．2 SIR模型模拟结果

3．4．3 实例结果分析

3．5 本章小结

4 实证分析

4．1 实验设置

4．1．1 数据集

4．1．2 参数设置与实验环境

4．2 实验结果分析

4．2．1 Arpa数据集

4．2．2 Karate数据集

4．2．3 PolBooks数据集

4．2．4 Airlines数据集

4．3 实验总结

4．4 本章小结

5 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的研究成果

致谢