基于核協(xié)同數(shù)據(jù)精準(zhǔn)感知的社會信息網(wǎng)絡(luò)演化、建模及突發(fā)檢測研究

劉暢

摘 要：目前，社會計算和面向網(wǎng)絡(luò)化社會的研究在許多國家都被提升到了國家戰(zhàn)略層次，成為了學(xué)術(shù)界的研究熱點和前沿課題。社會信息網(wǎng)絡(luò)（SIN）作為社會計算的重要研究內(nèi)容也是我們應(yīng)該關(guān)注的對象。內(nèi)容包括數(shù)據(jù)精準(zhǔn)感知型核協(xié)同SIN構(gòu)建、多維協(xié)同感知型SIN演化分析、動態(tài)SIN建模和SIN上的突發(fā)檢測進行了系統(tǒng)描述，不但可以為SIN研究提供理論支持，而且也可為涉及社會和諧發(fā)展的SIN上的突發(fā)檢測應(yīng)用提供新方法。

關(guān)鍵詞：社會信息網(wǎng)絡(luò)；精準(zhǔn)感知；核協(xié)同；演化分析；建模

中圖分類號：TP391，TP311 文獻標(biāo)識碼：A

Abstract：At present，the research on social computing and network oriented society， which has been elevated to the national strategic level in many countries，has become the focus and advanced subject of academic.Social information network （SIN） should be paid more attention to，as the object of important research contents of social computing.SIN，including the data accurate perception of nuclear burst detection，collaborative SIN build multidimensional cooperative sensing type SIN evolution analysis， the burst detection of dynamic SIN modeling and SIN of the system description， can not only provide theoretical support for SIN research， but also provide a new method for relates to the harmonious development of society on the SIN burst detection application.

Keywords：social information network；accurate perception；kernel synergy；evolution analysis；modeling

1 引言（Introduction）

當(dāng)今的網(wǎng)絡(luò)信息類型繁雜、數(shù)量眾多，應(yīng)用也越來越廣泛，但我們對社會信息網(wǎng)絡(luò)的研究尚處于起步階段，缺乏長期的理論化、系統(tǒng)化研究。針對這一問題，我們應(yīng)該適當(dāng)開展社會信息網(wǎng)絡(luò)的構(gòu)建、演化分析、建模、突發(fā)檢測等方面的研究。一項科學(xué)研究的終極目標(biāo)是對其研究對象進行開發(fā)和應(yīng)用，以便其能更好地為人類服務(wù)。這方面的研究可以著眼點在于為政府相關(guān)部門和機構(gòu)提供及時處理社會信息網(wǎng)絡(luò)上的突發(fā)事件的方法并提供決策支持，從而緩解社會矛盾，保障社會的和諧、穩(wěn)定、健康發(fā)展[1]。研究的落腳點可以放在社會信息網(wǎng)絡(luò)的構(gòu)建、演化分析、建模三個方面。在這三個落腳點中，構(gòu)建研究將為可靠的檢測結(jié)果提供準(zhǔn)確、完備的數(shù)據(jù)保障，同時也為進行可靠的演化分析和建模研究提供數(shù)據(jù)保障，而演化分析研究和建模研究則為可靠的檢測結(jié)果提供理論保障。

2 數(shù)據(jù)精準(zhǔn)感知型核協(xié)同社會信息網(wǎng)絡(luò)構(gòu)建（Accurate data aware nuclear cooperative social information network construction）

社會信息網(wǎng)絡(luò)演化信息和突發(fā)事件線索往往同時存在于多個數(shù)據(jù)源中，并且在多維空間中相互影響。全面提取跨數(shù)據(jù)源的網(wǎng)絡(luò)信息，是網(wǎng)絡(luò)具有準(zhǔn)確性、可靠性的前提和基礎(chǔ)。因此，多數(shù)據(jù)源協(xié)同互動感知機制研究是實現(xiàn)社會群體關(guān)系發(fā)掘與分析、突發(fā)事件態(tài)勢預(yù)測與預(yù)警等過程中不可或缺的重要步驟。研究對多源異構(gòu)社會信息網(wǎng)絡(luò)網(wǎng)內(nèi)的相關(guān)知識進行提取、協(xié)同統(tǒng)一，并在保證聚類平滑性這一前提下進行動態(tài)融合，對不完備鏈接進行填補，克服單源社會信息網(wǎng)絡(luò)數(shù)據(jù)局限性，實現(xiàn)網(wǎng)絡(luò)信息的精準(zhǔn)感知。具體地說，社會信息網(wǎng)絡(luò)構(gòu)建研究將在以下三方面展開：

（1）基于核協(xié)同的多源異構(gòu)社會信息網(wǎng)絡(luò)極大相似子關(guān)系挖掘方法研究。在為具體應(yīng)用設(shè)計核時，加入盡可能多的領(lǐng)域知識是極為重要的。社會信息網(wǎng)絡(luò)知識同時存在于不同的數(shù)據(jù)源中，傳統(tǒng)的基于圖的核方法及較先進的隨機游走核方法都存在著無法處理高階數(shù)據(jù)這一限制。因此，我們擬基于節(jié)點信息的擴散行為，構(gòu)建一個適用于多網(wǎng)協(xié)同關(guān)系提取的新核，發(fā)現(xiàn)進而融合極大相似子關(guān)系，消除單源網(wǎng)絡(luò)信息片面性、不精準(zhǔn)性這一限制。研究重點在于：①基于圖節(jié)點上的信息擴散，構(gòu)建多源異構(gòu)網(wǎng)絡(luò)信息協(xié)同擴散核，挖掘多數(shù)據(jù)源中的極大相似子關(guān)系；②控制擴散路徑的長度，提高挖掘精度，實現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)精準(zhǔn)感知。

（2）數(shù)據(jù)精準(zhǔn)感知型社會信息網(wǎng)絡(luò)不完備多社會關(guān)系填補方法研究。在社會信息網(wǎng)絡(luò)中，許多節(jié)點之間的關(guān)系是未知的，從數(shù)據(jù)精準(zhǔn)感知的角度來講，有必要對未知的、不完備的社會關(guān)系進行補全。社會信息網(wǎng)絡(luò)不完備社會關(guān)系填補，實際上是一種基于給定的圖以及已知邊來預(yù)測未知邊的問題。進一步講，它可以轉(zhuǎn)化為傳統(tǒng)的機器學(xué)習(xí)問題——矩陣補全（Matrix Completion）。最常見的矩陣補全方法是矩陣分解。矩陣分解在矩陣缺失值較少的情況下非常有效，其重構(gòu)矩陣能保留原始矩陣大部分信息，然而真實的社會信息網(wǎng)絡(luò)往往是一個稀疏矩陣，僅僅擬合少量值來分解大規(guī)模稀疏矩陣，容易引起“過擬合”問題，進而影響模型的泛化能力，對未知元素的預(yù)測能力減弱[2]。因此，我們需要另辟蹊徑，尋求大型稀疏矩陣填補新方法。為了消除稀疏矩陣結(jié)構(gòu)約束，實現(xiàn)對任意類型關(guān)系矩陣進行填補，我們研究的重點是利用多源網(wǎng)絡(luò)知識的協(xié)同共享，發(fā)現(xiàn)相似知識間的潛在關(guān)聯(lián)，構(gòu)建潛在關(guān)系矩陣，提高大型稀疏矩陣填補的性能。

（3）動態(tài)核協(xié)同社會信息網(wǎng)絡(luò)群體關(guān)系融合方法研究。基于核協(xié)同挖掘的極大相似子關(guān)系具有動態(tài)性及連續(xù)性，從聚類的角度來講，處理動態(tài)數(shù)據(jù)目前主要有兩種手段。一種忽略了數(shù)據(jù)隨時間的變化，在隨時間累積的整體數(shù)據(jù)上直接應(yīng)用傳統(tǒng)聚類方法。但是，在社會網(wǎng)絡(luò)演變過程中，突發(fā)事件的產(chǎn)生使得每一網(wǎng)絡(luò)快照上的聚類是明顯的，因此整體聚類結(jié)果可能是毫無意義的。另一種則忽略了不同時刻數(shù)據(jù)之間的關(guān)聯(lián)性而在每一個網(wǎng)絡(luò)快照上單獨應(yīng)用傳統(tǒng)聚類方法，這導(dǎo)致了不同時刻的聚類結(jié)果相差甚遠(yuǎn)。針對研究需要，我們的目標(biāo)是設(shè)計具有普適性的在線式動態(tài)群體關(guān)系融合算法，以聚類結(jié)果精準(zhǔn)為前提，實現(xiàn)時變條件下聚類結(jié)果仍然能夠保持光滑性。

3 多維協(xié)同感知型社會信息網(wǎng)絡(luò)演化分析（Analysison the evolution of cooperative awareness society multidimensional information network）

這部分的研究可以概括為演化特征分析、共棲屬性提取、協(xié)同演化分析三個層面。具體地說：

（1）基于TimeLine的感知型社會信息網(wǎng)絡(luò)演化特征研究?；赥imeLine的感知型社會信息網(wǎng)絡(luò)演化特征研究的主要內(nèi)容是對其時序特征進行分析。因為社會信息網(wǎng)絡(luò)中存在著多變性、瞬時性、Churn特性，因而從已有社會感知數(shù)據(jù)中獲取TimeLine的準(zhǔn)確程度將直接影響時序特征的分析結(jié)果。抽取TimeLine的時序間隔過大、過小或過于平緩，都不能準(zhǔn)確的反映出該時間區(qū)間所發(fā)生事件的明顯特征[3]。如圖1所示，TimeLine上有五個時序區(qū)間T1、T2、T3、T4、T5，其中T1與 T2、T2與T3之間存在著相對的變化特征，T1與T5之間屬于絕對變化特征。因此，如何通過已有的社會感知數(shù)據(jù)，提取理想狀態(tài)下的TimeLine，并通過演化分析算法，對TimeLine上的不同時序進行演化特征分析是本研究的研究重點之一。

（2）感知型社會信息網(wǎng)協(xié)同共棲屬性提取。該研究將通過對感知型社會信息網(wǎng)協(xié)同共棲屬性提取，對其演化屬性進行分析。目前的研究，大多以靜態(tài)或時序網(wǎng)絡(luò)快照為主。因此在實現(xiàn)連續(xù)動態(tài)的演化環(huán)境中，需要重新定義協(xié)同演化度量指標(biāo)。其中，共棲屬性可以區(qū)分出社會信息網(wǎng)絡(luò)中感知對象之間是共生關(guān)系，還是競爭關(guān)系等。設(shè)計個體和群體的共棲屬性提取方法，總結(jié)屬性變化規(guī)律，是分析社會信息網(wǎng)絡(luò)協(xié)同演化關(guān)系的重要前提和基礎(chǔ)。

（3）動態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系分析。該研究將設(shè)計感知型社會信息網(wǎng)絡(luò)的自適應(yīng)表達式，提出協(xié)同演化關(guān)系分析方法，對多維協(xié)同演化關(guān)系進行分析。

社會信息包括了各種維度的信息，信息之間起著協(xié)同作用，構(gòu)成了整個社會信息網(wǎng)絡(luò)的運行過程。它的協(xié)同演化過程是一個跨界現(xiàn)象，不僅發(fā)生在一個層級中，還可能發(fā)生在其他較低或較高層級中，而且還會發(fā)生在層級之間；既包括內(nèi)部微觀對象的協(xié)同演化，也包括與外部環(huán)境的宏觀協(xié)同演化，并且這些不同層次的演化是交互嵌套、難以區(qū)分的。微觀行為主體的活動經(jīng)常會產(chǎn)生宏觀上的效果，宏觀層的演化也會對微觀層的演化產(chǎn)生影響[4]。層級間互動的演化，是多層級協(xié)同演化的重要特征。圖2展示了一個社會信息網(wǎng)絡(luò)中多維信息的協(xié)同。

這部分還將利用各個子網(wǎng)絡(luò)的屬性值，重點研究通過社會數(shù)據(jù)感知計算技術(shù)，對動態(tài)嵌套多向關(guān)聯(lián)的協(xié)同演化關(guān)系進行分析，提出對社會信息網(wǎng)絡(luò)中的單方主導(dǎo)演化關(guān)系、共同主導(dǎo)演化關(guān)系和無主導(dǎo)演化關(guān)系的協(xié)同演化關(guān)系分析方法。

4 動態(tài)社會信息網(wǎng)絡(luò)建模（Dynamic social network information modeling）

建立動態(tài)的社會信息網(wǎng)絡(luò)模型，首先需要確定描述網(wǎng)絡(luò)模型的時間片特征值，即對時間軸進行足夠細(xì)的分割，使得每一時間片上至多有一個節(jié)點變更其連接策略，而同時保證其他節(jié)點保持其原有連接狀態(tài)不變。其次，需要設(shè)計網(wǎng)絡(luò)模型的動態(tài)連接策略。連接策略的正確選擇，決定著最終模型成功的與否。按照以上思路，模型建立部分的研究內(nèi)容分為以下三個方面：

（1）以節(jié)點社會上下文（Social Context）為效用值，消除網(wǎng)絡(luò)噪音。研究表明，人的行為活動具有重復(fù)性與周期性，這樣就可以將人的多種行為特征表示為網(wǎng)絡(luò)節(jié)點的不同社會屬性，將節(jié)點的社會屬性進行歸納就可以得到節(jié)點的社會上下文知識[5]。根據(jù)社會上下文，可以得到節(jié)點的信譽評價值。真實的社會信息網(wǎng)絡(luò)中會存在一些由惡意節(jié)點引起的一定概率的誤連接，因此在建模之前預(yù)處理網(wǎng)絡(luò)數(shù)據(jù)可以降低由于個體行為的不確定性所帶來的網(wǎng)絡(luò)演化噪音。本部分內(nèi)容研究應(yīng)用社會上下文來評價節(jié)點的信譽度，并通過累計信譽記錄得到節(jié)點的最終信譽值。由于惡意節(jié)點在社會信息網(wǎng)絡(luò)中會惡意破壞社會信息網(wǎng)絡(luò)中的正常連接，對網(wǎng)絡(luò)研究的負(fù)面影響較大，所以可以根據(jù)節(jié)點的信譽評價值，孤立惡意節(jié)點并刪減其連接。

（2）基于社會特征的時間片發(fā)現(xiàn)算法：Time section discover approach based on social information（TSI）。根據(jù)信息網(wǎng)絡(luò)中節(jié)點的社會學(xué)特性，引入社會信息網(wǎng)絡(luò)中節(jié)點的社會信息屬性。因為當(dāng)某個節(jié)點社會信息值發(fā)生一定變化時可能會引起社會信息網(wǎng)絡(luò)結(jié)構(gòu)的變化，所以時間片的劃分應(yīng)以節(jié)點社會信息屬性的較大變化為劃分依據(jù)，細(xì)化時間軸，使得每個時間片內(nèi)只有一個節(jié)點的社會信息值發(fā)生變化，而其他節(jié)點按照慣性保持其社會信息屬性值不變。經(jīng)過這樣處理之后，網(wǎng)絡(luò)結(jié)構(gòu)的變化過程就可以看成是一個馬爾可夫過程。

（3）基于半隨機游走策略的動態(tài)連接。社會信息網(wǎng)絡(luò)中節(jié)點的連接過程可以看成是節(jié)點對社會信息進行追逐的過程。當(dāng)網(wǎng)絡(luò)中某些節(jié)點的社會信息值發(fā)生較大變化時，網(wǎng)絡(luò)中的結(jié)構(gòu)一般會發(fā)生相應(yīng)的變化，其變化表現(xiàn)為網(wǎng)絡(luò)中的某些節(jié)點會相應(yīng)地連接到目前社會信息價值較大的節(jié)點上。這部分將研究在建模中應(yīng)用隨機游走策略，并設(shè)置連接閾值α。游走從網(wǎng)絡(luò)的某一節(jié)點開始執(zhí)行，當(dāng)游走到目前社會信息值較大的節(jié)點時進行連接，之后繼續(xù)游走到下一個目標(biāo)節(jié)點，直到多次搜索并無更大社會信息值節(jié)點，完成一次隨機游走。在每個時間片中模型要完成多次隨機游走的動態(tài)重鏈。在隨機游走的過程中由于應(yīng)用了連接閾值α限定連接操作，所以此操作可以看作是半隨機連接，連接閾值α的設(shè)定與網(wǎng)絡(luò)中節(jié)點的社會信息價值有關(guān)，α的具體值應(yīng)高于網(wǎng)絡(luò)中節(jié)點的社會信息價值的平均值，并可設(shè)置α的浮動范圍δ（δ是一個較小的值）。

由于社會信息網(wǎng)絡(luò)研究的數(shù)據(jù)精準(zhǔn)感知型核協(xié)同社會信息網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)是動態(tài)演化的結(jié)果，所以網(wǎng)絡(luò)結(jié)構(gòu)將隨著網(wǎng)絡(luò)中節(jié)點數(shù)量、節(jié)點的社會信息屬性及節(jié)點社會上下文的變化而發(fā)生相應(yīng)變化。上述三個方面的研究可以綜合表述為動態(tài)半隨機重連策略，應(yīng)用這種策略建立的網(wǎng)絡(luò)模型可以表現(xiàn)出網(wǎng)絡(luò)由不穩(wěn)定到相對穩(wěn)定，再到不穩(wěn)定的演變過程。

5 社會信息網(wǎng)絡(luò)上突發(fā)檢測方法（Social network information burst detection method）

由于社會信息網(wǎng)絡(luò)同時具有信息網(wǎng)絡(luò)的實時性和社會網(wǎng)絡(luò)的交互性的特點，因此可以通過研究社會信息網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的演化行為，研究突發(fā)事件的檢測與預(yù)警方法。主要研究問題如下：

（1）網(wǎng)絡(luò)節(jié)點影響力分析方法。針對社會信息網(wǎng)絡(luò)不同于傳統(tǒng)網(wǎng)絡(luò)的集聚特性，提出網(wǎng)絡(luò)節(jié)點的影響力分析方法。首先，基于拓?fù)鋭堇碚搶ι鐣畔⒕W(wǎng)絡(luò)進行社區(qū)發(fā)現(xiàn)，并對網(wǎng)絡(luò)中的節(jié)點進行分類；其次，針對不同類型節(jié)點的不同結(jié)構(gòu)特征，分別對其進行影響力分析。

（2）網(wǎng)絡(luò)節(jié)點的可信度評估方法。研究社會信息網(wǎng)絡(luò)中節(jié)點的可信度，一方面采用云模型對社區(qū)內(nèi)和社區(qū)間的節(jié)點進行全局信任評估，另一方面通過引入時間窗及構(gòu)造時間函數(shù)實現(xiàn)對可信度的動態(tài)更新。

（3）突發(fā)檢測方法與預(yù)警方法。由于突發(fā)事件具有的海量數(shù)據(jù)積聚、爆發(fā)的瞬時性及偶然性等特點，因此首先引入滑動窗口的思想對監(jiān)測到的數(shù)據(jù)流進行分析，然后分析網(wǎng)絡(luò)拓?fù)涞难莼袨?，進而對網(wǎng)絡(luò)上的突發(fā)事件進行檢測和預(yù)警。

在這些需要解決的科學(xué)問題中，基于網(wǎng)絡(luò)拓?fù)溲莼耐话l(fā)事件檢測與預(yù)警方法研究為社會信息網(wǎng)絡(luò)研究目標(biāo)實現(xiàn)的最后一環(huán)，而且?guī)в懈蟮奶剿餍院颓罢靶?，所以基于網(wǎng)絡(luò)拓?fù)溲莼耐话l(fā)事件檢測與預(yù)警方法研究可是說是我們需要解決的關(guān)鍵科學(xué)問題。

6 結(jié)論（Conclusion）

社會信息網(wǎng)絡(luò)是兼具社會網(wǎng)絡(luò)和信息網(wǎng)絡(luò)特征的新型網(wǎng)絡(luò)，一方面其節(jié)點間表現(xiàn)出強交互特征，另一方面其拓?fù)浣Y(jié)構(gòu)呈現(xiàn)強時變特征。由于社會信息網(wǎng)絡(luò)的數(shù)據(jù)具有多源性、異構(gòu)性，拓?fù)浣Y(jié)構(gòu)具有多變性、瞬時性、Churn特性以及不同層級之間存在著交互嵌套演化等現(xiàn)象，因此社會信息網(wǎng)絡(luò)是一個異常復(fù)雜的系統(tǒng)，社會網(wǎng)絡(luò)和信息網(wǎng)絡(luò)上的傳統(tǒng)研究方法很難直接應(yīng)用或遷移到社會信息網(wǎng)絡(luò)上。目前來看，社會信息網(wǎng)絡(luò)上的理論研究還比較匱乏，開發(fā)、應(yīng)用等活動尚缺乏合適的實踐方法和指導(dǎo)理論。真正建立一個面向數(shù)據(jù)精準(zhǔn)感知的動態(tài)社會信息網(wǎng)絡(luò)研究平臺，還需要我們不斷努力。

參考文獻（References）

[1] 劉挺.社會計算[J].中國計算機學(xué)會通訊，2011，7（12）：6-7.

[2] 毛文吉，等.社會計算的研究現(xiàn)狀與未來[J].中國計算機學(xué)會通訊，2011，7（12）：8-11.

[3] Chakareski J. Content preference estimation in online socialnetworks： message passing versus sparse reconstructionon Graphs[R].2011 IEEE International Conference onAcoustics，Speech，and Signal Processing， 2011：3760-3763.

[4] 吳斌，王柏，楊勝琦.基于事件的社會網(wǎng)絡(luò)演化分析框架[J].軟件學(xué)報，2011，22（7）：1488-1502.

[5] 付志鵬，等.對等網(wǎng)絡(luò)的抖動特性研究綜述[J].計算機學(xué)報，2011，34（9）：1563-1577.

作者簡介：

劉 暢（1978-），女，本科，副教授.研究領(lǐng)域：程序設(shè)計教學(xué)，數(shù)據(jù)挖掘研究與應(yīng)用.