移動醫(yī)療大數(shù)據(jù)平臺下節(jié)點和社區(qū)屬性的社交網(wǎng)絡(luò)轉(zhuǎn)發(fā)機制

任麗麗,歐陽君,張旭

（1.蚌埠醫(yī)學(xué)院公共課程部,安徽蚌埠233030；2.安慶師范大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院,安徽安慶246133）

移動醫(yī)療大數(shù)據(jù)平臺下節(jié)點和社區(qū)屬性的社交網(wǎng)絡(luò)轉(zhuǎn)發(fā)機制

任麗麗1,歐陽君1,張旭2

（1.蚌埠醫(yī)學(xué)院公共課程部,安徽蚌埠233030；2.安慶師范大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院,安徽安慶246133）

在移動互聯(lián)網(wǎng)技術(shù)(3G、4G)的迅猛發(fā)展和移動設(shè)備大量普及的背景下，移動醫(yī)療的相關(guān)研究已在醫(yī)療衛(wèi)生領(lǐng)域中得到廣泛的應(yīng)用和認可。然而，在醫(yī)療診斷過程中產(chǎn)生的大量數(shù)據(jù)信息，在進行消息的傳輸時會與有限的網(wǎng)絡(luò)資源存在矛盾。因此，通過對移動醫(yī)療大數(shù)據(jù)平臺進行研究，分析容遲網(wǎng)絡(luò)中節(jié)點社區(qū)屬性的特點，進而研究了當節(jié)點屬于多個社交網(wǎng)絡(luò)進行信息傳遞時，通過對社區(qū)關(guān)聯(lián)度和節(jié)點社會可靠性的分析，選擇合適的中繼節(jié)點進行數(shù)據(jù)的轉(zhuǎn)發(fā)，即提出了基于社區(qū)關(guān)聯(lián)度和節(jié)點社會可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)機制。最后利用計算機模擬實驗，結(jié)果顯示本算法與傳統(tǒng)的Epidemic算法和Label算法相比，傳遞率高于Label算法并且能明顯的降低網(wǎng)絡(luò)資源成本。

容遲網(wǎng)絡(luò)；大數(shù)據(jù)；移動醫(yī)療；社區(qū)；社會可靠性；關(guān)聯(lián)度

容遲網(wǎng)絡(luò)（Delay Tolerant Networks，DTNs）中的節(jié)點因數(shù)量的稀疏性，鏈路的間斷性和較長的傳輸時延等特點，使得傳統(tǒng)的ad hoc無線自組織網(wǎng)絡(luò)難以發(fā)揮作用，但是在一些富有挑戰(zhàn)性的環(huán)境中卻得到很大的關(guān)注，比如太空通信，軍事探索和移動社交網(wǎng)絡(luò)[1]等，其中移動醫(yī)療平臺下的社交網(wǎng)絡(luò)也是DTNs的典型應(yīng)用。目前，無論在發(fā)達國家還是在發(fā)展中國家，快速增長的人口與緊缺的醫(yī)療資源存在嚴重的矛盾，特別是在發(fā)展中國家現(xiàn)象尤為突出。掛號難，看病貴和看病不及時等問題，不僅對人類的生命產(chǎn)生極大的困擾，同時嚴重阻礙了國家的發(fā)展，降低了人民的生活質(zhì)量，甚至有可能會出現(xiàn)影響廣泛的傳染病。因此，對于發(fā)展中國家必須投入大量的人力和物力解決醫(yī)療資源不均衡的狀況，提高醫(yī)療服務(wù)，特別是醫(yī)療服務(wù)的結(jié)構(gòu)性問題。

移動設(shè)備在無線通信技術(shù)的快速發(fā)展和激烈的市場競爭背景下得到了較快的增長。在中國，移動電話的擁有量高達12.86億戶，普及率94.5部/百人，甚至在一些沿海城市的普及率高達100部/百人[2]。在此環(huán)境下，信息通信技術(shù)與醫(yī)療衛(wèi)生服務(wù)相結(jié)合誕生了移動醫(yī)療。移動醫(yī)療（Mobile Health）是電子醫(yī)療（E-health）的一個組成部分。對于移動醫(yī)療[3-4]，美國醫(yī)療信息管理委員會提供的行業(yè)界定：醫(yī)療實踐中使用智能手機或平板電腦等設(shè)備下載與醫(yī)療有關(guān)的應(yīng)用軟件（應(yīng)用程序），通過移動網(wǎng)絡(luò)在醫(yī)患之間傳遞信息，改善其溝通和交流。移動醫(yī)療在國內(nèi)外的各個領(lǐng)域都得到廣泛的應(yīng)用和認可，涉及到疾病檢測、監(jiān)控、診療以及健康管理等。比如可以通過對智能手機軟件的開發(fā)[5]，利用手機攝像頭實現(xiàn)對脈搏信號的采集、傳輸和分析。在全世界，美國移動醫(yī)療應(yīng)用約占50%以上，歐洲約占20%，非洲、拉美占12%，亞太地區(qū)占4%[6]。而據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（Internet Data Center,IDC）調(diào)查結(jié)果顯示，目前我國三級醫(yī)院也已有17.5%提供相關(guān)的醫(yī)療服務(wù)[7-8]。

近年來，移動通信技術(shù)的高速發(fā)展確實對降低醫(yī)療機構(gòu)成本提供了幫助，而且也方便了患者就醫(yī)的途徑（掛號、咨詢和遠程就診）。然而在現(xiàn)實中，便利的背后也存在一定的問題。在醫(yī)院，對于每位就診的患者，從掛號到最后病情的確診需要做大量的檢查，牽扯到病人的個人信息，病情記錄和相關(guān)影像資料的錄入和輸出，這其中會產(chǎn)生大量的數(shù)據(jù)。對一位患者而言，可能比較容易接受，但是對于每年幾百萬人次的門診接待量，這些龐大的數(shù)據(jù)無疑成為一種巨型資料——大數(shù)據(jù)。它的出現(xiàn)需要人類利用一種新的處理模式來處理這些海量的、高增長率和多樣化的信息資產(chǎn)。

1 相關(guān)工作

基于大數(shù)據(jù)和移動醫(yī)療在衛(wèi)生領(lǐng)域的應(yīng)用背景下，移動互聯(lián)網(wǎng)技術(shù)和移動設(shè)備的快速發(fā)展也促進社交網(wǎng)絡(luò)的應(yīng)用，從而也使得社交網(wǎng)絡(luò)成為一個具有大量數(shù)據(jù)的資源庫。因此需要我們不斷提出高效的數(shù)據(jù)轉(zhuǎn)發(fā)機制，提高網(wǎng)絡(luò)的性能。近幾年來國內(nèi)外學(xué)者為提高社交網(wǎng)絡(luò)的性能提出了許多種方法。目前應(yīng)用較為廣泛的方法主要有基于節(jié)點的消息復(fù)制[9-10]，基于節(jié)點相似性[11-13]和基于節(jié)點社會屬性[14-19]等?；谙?fù)制較為經(jīng)典的是Epidemic算法，由Vahdat A等[9]人提出。該算法中攜帶數(shù)據(jù)包的節(jié)點在容遲網(wǎng)絡(luò)中隨機移動，將包傳遞給與它接觸的所有節(jié)點，優(yōu)點是傳遞率較高，缺點是增加網(wǎng)絡(luò)開銷。在文獻[10]中，Pan H等人提出了Label算法，該算法中的攜帶數(shù)據(jù)包的網(wǎng)絡(luò)節(jié)點為提高傳遞率，只將數(shù)據(jù)包復(fù)制傳遞給那些與目的節(jié)點在同一社區(qū)中的節(jié)點。Nisgav A等人[11]針對節(jié)點相似性的研究提出了基于協(xié)同過濾的方法，發(fā)現(xiàn)社交網(wǎng)絡(luò)中的相似性用戶，提高網(wǎng)絡(luò)性能。Agarwal V等人[12]根據(jù)進化算法獲得用戶喜好的參數(shù)集合，并以此為基礎(chǔ)得到參數(shù)相似性，并且集合用戶聯(lián)系強度大小給出了一種隱式評分模型去計算用戶關(guān)系的相似性。基于節(jié)點的社會屬性，劉靜等人在[14]中，針對移動社交網(wǎng)絡(luò)提出了一種新的信息檢索算法QFD，其應(yīng)用半馬爾科夫模型獲得用戶移動性的穩(wěn)態(tài)分布和瞬態(tài)行為，進而提高數(shù)據(jù)轉(zhuǎn)發(fā)效率。

以上方法的研究及結(jié)果表明，大部分文獻只考慮社交網(wǎng)絡(luò)中節(jié)點的狀況，而沒有把社區(qū)和節(jié)點的屬性綜合考慮。通過調(diào)研，在移動醫(yī)療大數(shù)據(jù)和網(wǎng)絡(luò)資源有限的背景下[20]，關(guān)于社交網(wǎng)絡(luò)中數(shù)據(jù)轉(zhuǎn)發(fā)性能的研究很少。因此，本文針對社交網(wǎng)絡(luò)的特點，提出了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點社會可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法。該算法充分利用節(jié)點所屬社區(qū)的關(guān)聯(lián)程度和節(jié)點的社會可靠性的大小來選擇中繼節(jié)點。通過與傳統(tǒng)的Epidemic算法和Label算法對比發(fā)現(xiàn)，該算法的傳遞率略低于Epidemic算法，高于Label算法并且能明顯的降低網(wǎng)絡(luò)資源成本。

2 網(wǎng)絡(luò)模型與算法

在醫(yī)院，有相同或者類似疾病的患者，由于就診的途徑、治療方案和醫(yī)生等相似特點，大家經(jīng)常同屬于若干個相同的區(qū)域，從而整個醫(yī)院無形地被分隔成許多個小區(qū)域，醫(yī)生成為患者交流的中心。針對醫(yī)院中醫(yī)患間的關(guān)系網(wǎng)絡(luò)，我們將該網(wǎng)絡(luò)抽象成不同區(qū)域網(wǎng)絡(luò)，即社交網(wǎng)絡(luò)。

在相同區(qū)域的節(jié)點間交流次數(shù)頻繁，信息能夠直接或者間接到達。假設(shè)醫(yī)院被分成n個移動社區(qū)，每個社區(qū)中的醫(yī)生被看成是固定的AP（Access Point）并且配有無線訪問設(shè)備。含有m個攜帶無線訪問設(shè)備（如手機，iPad等）的患者在移動網(wǎng)絡(luò)范圍內(nèi)移動。由此，我們可以把該網(wǎng)絡(luò)模型簡化為一個圖G=(V,E),V表示n個AP和m個人所構(gòu)成的集合（N=n+m），E表示頂點間所構(gòu)成的邊集合。社交網(wǎng)路用C={c1,c2,…,cn}表示，其中ci(1≤i≤n)代表第i個社區(qū)。圖1表示的就是在某時刻的社會網(wǎng)絡(luò)分布狀態(tài)，由圖可知，節(jié)點a,b,c,d,e分別屬于c1，c2，c3這3個社區(qū)，而節(jié)點a,b,c同屬于c1，c2這3個社區(qū)，節(jié)點d,c同屬于c1，c3這2個社區(qū)，節(jié)點c,e同屬c2，c3這2個社區(qū)，節(jié)點c同屬于c1，c2，c3這3個社區(qū)，而c4社區(qū)與c1，c2，c3這3個社區(qū)的節(jié)點沒有交集。

圖1 社區(qū)網(wǎng)絡(luò)分布狀態(tài)圖

2.1 基本定義

由于節(jié)點的活動范圍和活動能力都是有限的，因此我們在傳遞消息時，總喜歡傳遞給活動范圍較大，所遇的節(jié)點比較多的中繼節(jié)點進行消息的轉(zhuǎn)發(fā)。因此我們給出節(jié)點的社會可靠性定義，是指節(jié)點所屬社區(qū)共含有節(jié)點個數(shù)的總和。節(jié)點的社會可靠性越大說明所遇節(jié)點越多，消息傳遞到目的節(jié)點的概率就比較大。用公式表示如下：

定義1（節(jié)點社會可靠性）節(jié)點i的社會可靠性(Social Reliability,S(i))是指節(jié)點所屬社區(qū)共含有節(jié)點個數(shù)的總和。其公式表達如下：

其中式(1)表示節(jié)點所屬社區(qū)共含有節(jié)點個數(shù)的總和；式(2)中的變量xi,j表示當節(jié)點i屬于社區(qū)cj時，則xi,j=1，否則xi,j=0；式(3)中的變量δi,j表示當節(jié)點i在社區(qū)cj停留的時間ti,j大于等于一個閾值δ時，則節(jié)點i屬于社區(qū)cj，記δi,j=1，否則δi,j=0；式(4)中的Nci表示社區(qū)ci中所含節(jié)點的個數(shù)。

如圖1可知社區(qū)c1含有5個節(jié)點，c2社區(qū)含有8個節(jié)點，社區(qū)c3含有6個節(jié)點，而節(jié)點a同屬于社區(qū)c1和c2，節(jié)點c同屬于社區(qū)c1,c2和c3，則節(jié)點a的社會可靠性為13，節(jié)點c的社會可靠性為19。由此可知節(jié)點c比節(jié)點a所遇節(jié)點多，因此具有更好的數(shù)據(jù)轉(zhuǎn)發(fā)能力。

將時間T分割成若干個很小的等長時間段t，為表示在此時段內(nèi)各社區(qū)節(jié)點的狀態(tài)，用ci,t(1≤i≤n)表示i社區(qū)在時間t內(nèi)所含有節(jié)點的集合。

如圖2在t時刻內(nèi)社區(qū)c1,c2,c3,c4中節(jié)點的集合分別為c1,t={b,c,e},c2,t={a,d,g,h},c3,t={f,i},c4,t={i,j,g,h}。

圖2 t時刻社區(qū)節(jié)點分布狀態(tài)

在某時間段內(nèi)，如果不同社區(qū)存在相同節(jié)點的情況，說明這些節(jié)點具有多種喜好，交友范圍廣，能夠在不同社區(qū)移動，有利于數(shù)據(jù)的轉(zhuǎn)發(fā)。因此，接下來本文通過分析不同社區(qū)相同節(jié)點的個數(shù)與不同社區(qū)間所含有的不重復(fù)節(jié)點的總數(shù)來給出社區(qū)關(guān)聯(lián)度的定義。

定義2（節(jié)點社區(qū)關(guān)聯(lián)度）在一段時間內(nèi)，兩個不同節(jié)點所屬社區(qū)所具有相同節(jié)點的個數(shù)與不同社區(qū)間所含有的不重復(fù)節(jié)點的總數(shù)之比，我們定義為節(jié)點所在社區(qū)ci和cj的社區(qū)關(guān)聯(lián)度（Community Correlation）。

若在t時刻，節(jié)點g遇到節(jié)點j，則社區(qū)c2和c4的關(guān)聯(lián)度為

節(jié)點所屬社區(qū)的關(guān)聯(lián)程度越大，說明不同社區(qū)所具有相同節(jié)點個數(shù)占不同社區(qū)所含有的不重復(fù)節(jié)點總數(shù)的比值越大。可知節(jié)點所屬社區(qū)c2,c4在網(wǎng)絡(luò)中關(guān)聯(lián)度大于社區(qū)c3,c4的社區(qū)關(guān)聯(lián)度。

2.2 基于社區(qū)關(guān)聯(lián)度和節(jié)點社會可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法

在移動醫(yī)療大數(shù)據(jù)平臺下，源節(jié)點向目的節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)時，需要面對如何選擇合適的中繼節(jié)點問題。我們的算法與傳統(tǒng)算法不同，本文綜合考慮了社區(qū)和節(jié)點的社會屬性并且定義了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點影響力的數(shù)據(jù)轉(zhuǎn)發(fā)算法，CCNS。算法如下：

假設(shè)節(jié)點i攜帶源數(shù)據(jù)包pk，節(jié)點i遇到節(jié)點j時；

步驟1如果節(jié)點j是數(shù)據(jù)包pk的目的節(jié)點，則節(jié)點i將數(shù)據(jù)包pk轉(zhuǎn)發(fā)給節(jié)點j,否則轉(zhuǎn)到步驟2；

步驟2

步驟（2.1）計算節(jié)點i和節(jié)點j所在社區(qū)的關(guān)聯(lián)度rt(ci,cj);

步驟（2.2）計算節(jié)點i和節(jié)點j的社會可靠性S(i)和S(j);

步驟（2.3）如果rt(ci,cj)＜=β且S(i)＜S(j)，則節(jié)點i傳遞數(shù)據(jù)包pk給節(jié)點j，其中β∈[0,1];

步驟3結(jié)束。

3 實驗與仿真

在本節(jié)中，對本文所提出的CCNS算法與傳統(tǒng)的Epidemic算法和Label算法在移動社交網(wǎng)絡(luò)性能上進行比較。實驗所采用的數(shù)據(jù)是Infocom 06[21]，該數(shù)據(jù)共含有98個節(jié)點，78個移動節(jié)點分布在整個區(qū)域，剩余20個節(jié)點作為固定的AP存在于不同區(qū)域內(nèi)。我們主要從傳遞率、平均延遲和拷貝數(shù)目（包副本數(shù)）三個方面來研究三種算法的性能的不同。模擬實驗結(jié)果都是在C++上運行200次結(jié)果的平均值。

首先，將CCNS算法中的發(fā)包數(shù)目從150個增加到600個，來比較三種算法的性能。實驗結(jié)果如圖3顯示，在圖3（a）中可以看出三種路由算法的傳遞率隨著發(fā)包數(shù)目的增加，都緩慢地減小。但是我們可以明顯地發(fā)現(xiàn)，CCNS算法的傳遞率略低于Epidemic算法，高于Label算法。在圖3（b）中，可以看出CCNS算法的平均延遲略高于Epidemic算法和Label。這是因為在選擇中繼節(jié)點的時候，我們不僅要考慮社區(qū)的關(guān)聯(lián)度還要考慮節(jié)點的可靠性，必然會導(dǎo)致傳遞時間的延長。在圖3（c）中觀察到，CCNS算法在降低網(wǎng)絡(luò)資源消耗方面具有很大的優(yōu)勢，相比于Epidemic算法的拷貝數(shù)目平均低了48.1%，相對于Label算法平均低了42.1%。綜上說明了，CCNS算法在減少大量網(wǎng)絡(luò)開銷的同時獲得了良好的轉(zhuǎn)發(fā)性能。

其次，通過改變數(shù)據(jù)包的存在時間（Time-to-Live，TTL）來研究三種算法對網(wǎng)絡(luò)性能的改變。我們將TTL從12小時變化到36個小時，如圖4（a）所示，其中當TTL從12小時變化到15小時時，三種算法的傳遞率增長明顯，這是因為剛開始數(shù)據(jù)包在網(wǎng)絡(luò)中存在的時間較短，沒有足夠的時間傳遞到目的節(jié)點，隨著時間的延長，三種算法傳遞率逐漸增大并且趨勢基本相同。其中，CCNS算法的傳遞率略低于Epidemic算法，但高于Label算法，說明CCNS算法具有很好的轉(zhuǎn)發(fā)性能。在圖4（b）中，隨著TTL時間的增加，三種算法的平均延遲的增加趨勢和幅度基本相同。在圖4（c）中，隨著TTL時間的變化，三種算法的拷貝數(shù)目變化不明顯，但是我們還是可以明顯地看出，CCNS算法的拷貝數(shù)目比其他兩種算法的拷貝數(shù)目要少很多，相比于Epidemic算法最多減少49.2%，相比于Label算法最多減少43.1%。

圖3 發(fā)包數(shù)目對網(wǎng)絡(luò)性能的影響

最后，對CCNS算法中社區(qū)關(guān)聯(lián)度的閥值進行改變，令初始值從0.1變化到1.0，通過實驗仿真來觀察閥值的變化對網(wǎng)絡(luò)性能的影響。從圖5（a）可以看出，隨著社區(qū)關(guān)聯(lián)度閥值的增大，傳遞率也逐漸增加。由算法可知，社區(qū)的關(guān)聯(lián)度越大，說明社區(qū)中的節(jié)點參與程度越高，從而會導(dǎo)致傳遞率的顯著升高。隨著更多節(jié)點的參與，如圖5（b）所示平均延遲在逐漸減少。而在如圖5（c）中，關(guān)聯(lián)度閥值的增加雖然可以有更多的節(jié)點供選擇，但同時也導(dǎo)致了網(wǎng)絡(luò)中拷貝數(shù)目的增加。

圖4 TTL對網(wǎng)絡(luò)性能的影響

4 結(jié)束語

圖5 關(guān)聯(lián)度閥值對網(wǎng)絡(luò)性能的影響

本文針對移動醫(yī)療大數(shù)據(jù)背景社交網(wǎng)絡(luò)的特點，提出了一種基于社區(qū)關(guān)聯(lián)度和節(jié)點社會可靠性的數(shù)據(jù)轉(zhuǎn)發(fā)算法，即CCNS算法。與以往研究的不同，該算法充分考慮節(jié)點所屬社區(qū)關(guān)聯(lián)程度和節(jié)點的社會可靠性的大小來選擇中繼節(jié)點。首先，根據(jù)醫(yī)院中醫(yī)患移動的規(guī)律，把基于移動醫(yī)療大數(shù)據(jù)平臺下的移動網(wǎng)絡(luò)抽象成社交網(wǎng)絡(luò)，建立網(wǎng)絡(luò)模型；其次，給出了節(jié)點社會可靠性和節(jié)點社區(qū)關(guān)聯(lián)度的定義，并且給出了CCNS算法；通過仿真實驗對比發(fā)現(xiàn)本文的CCNS算法，在傳遞率上高于Label算法，略低于Epidemic算法，并且能明顯的降低網(wǎng)絡(luò)資源成本。由此可知，該算法性能對于提高移動醫(yī)療社交網(wǎng)路中大數(shù)據(jù)的傳播作用十分明顯。在未來的工作中，對移動醫(yī)療大數(shù)據(jù)平臺下的社交網(wǎng)絡(luò)進行進一步的分析和挖掘，從節(jié)點和所屬社區(qū)間的共同社會屬性出發(fā)去研究新算法，提高消息的轉(zhuǎn)發(fā)率，降低網(wǎng)絡(luò)資源消耗。

[1]Fan J,Du Y,Gao W,et al.Geography-aware active data dissemination in mobile social networks[J].2010: 109-118.

[2]雒續(xù)源，陳志剛，王云華，等.基于移動醫(yī)療大數(shù)據(jù)平臺下深度最優(yōu)匹配算法的機會網(wǎng)絡(luò)轉(zhuǎn)發(fā)機制[J].計算機工程與科學(xué)，2015，37（10）：1799-1805．

[3]黨偉.醫(yī)療耗材庫存與采購控制管理[J].中國醫(yī)院管理，2011，31（9）：93-94．

[4]AHIMA.Mobile apps 101:A primer for Consumers. http://myphr.com/Stories/NewsStory.aspx?Id=596. Accessed 10 June 2013.

[5]孟濬，朱天宇.一種基于智能手機的新移動醫(yī)療系統(tǒng)模式[J].計算機應(yīng)用研究，2013，30（7）：2055-2060．

[6]徐倩，趙文龍.國內(nèi)外移動醫(yī)療應(yīng)用現(xiàn)狀及啟示[J].檢驗醫(yī)學(xué)與臨床，2014（9）：1295-1297．

[7]徐開敏.淺析醫(yī)院物資材料的采購管理[J].醫(yī)學(xué)信息（上旬刊)，2011，24（6）：3269-3270．

[8]黃永剛，王蕾.移動醫(yī)療在醫(yī)院醫(yī)療服務(wù)中的應(yīng)用[J].醫(yī)療衛(wèi)生裝備，2015，36（4）：133-134,140．

[9]Vahdat A,Becker D.Epidemic routing for partially connected ad hoc networks，San Diego:University of California[R],2000.

[10]Hui P,Crowcroft J.How Small Labels Create Big Improvements[J].Proceedings of IEEE Percom Workshop on Intermittently Connected Mobile Ad Hoc Networks,2007:65-70.

[11]Nisgav A,Patt-Shamir B.Finding similar users in social networks[J].Theory of Computing Systems,2011, 49(4):720-737.

[12]Agarwal V,Bharadwaj K K.A collaborative filtering framework for friends recommendation in social networks based on interaction intensity and adaptive user similarity[J].Social Network Analysis and Mining, 2013,3(3):359-379.

[13]汪晶明.移動社交網(wǎng)絡(luò)中一種基于節(jié)點相似度和活躍度的數(shù)據(jù)轉(zhuǎn)發(fā)算法[D].合肥：合肥工業(yè)大學(xué)，2015．

[14]Liu J,Wang Q S,Wang Q,et al.An information search algorithm based on query delegation and feedback delegation in Delay-Tolerant networks[J].Wireless Personal Communications,2015,82(4):2623-2635.

[15]Yin L,Lu H,Cao Y.Probabilistic Delay Routing for Delay Tolerant Networks[J].10th International Conference on Advanced Communication Technology.Gangwon-Do:IEEE Press,2008,1:191-195.

[16]Spyropoulos T,Psounis K,Raghavendra C.Efficient routing in intermittently connected Mobile networks: The single-copy case[J].IEEE-ACM Transactions on Networking,2008,16(1):63-76.

[17]Liu Y,Li L,Li Z,et al.Trust-based optimized routing scheme in Mobile Social Networks[C].2013 International Conference on Communications,Circuits and Systems(ICCCAS).Chengdu:IEEE Press,2013,1:87-90.

[18]Li X K,Zhang Q.Influence maximization across Multi-Channels in social network[J].Journal of Computer Research and Development,2016,53(8):1709-1718.

[19]Shen J D.A new data forwarding algorithm based on cumulative performance and transient performance in DTNs[J].Journal of Information&Computational Science,2015,12(2):563-572.

[20]關(guān)培源，陳志剛，王云華，等.基于移動醫(yī)療大數(shù)據(jù)平臺下降低能量消耗機會網(wǎng)絡(luò)的研究與應(yīng)用[J].計算機應(yīng)用研究，2015，32（12）：3790-3793．

[21]Scott J,Gass R,Crowcroft J,et al.CRAWDAD data set cambridge/haggle(v.2009-05-29).Downloaded from http://crawdad,cs,dartmouth.edu/haggle,5,2014.

A forwarding algorithm under the attribute of node and community in social networks based on mobile medical large data platform

REN Li-li1,OUYANG Jun1,ZHANG Xu2
(1.Department of Fundamental Course,Bengbu Medical College,Bengbu Anhui233030,China；2.School of Mathematics and Computation Science,Anqing Normal University,Anqing Anhui246133,China)

With the rapid development of 3G(4G)mobile internet technology and the popularity of mobile devices,mobile medical research has been widely used in medical fields.However,the process of medical diagnosis will produce large amounts of data information.The transmission of the message was contradicted with the limited network resources.Therefore,the paper analyzes how to transfer the information when the nodes belong to several social networks in delay tolerant networks based on mobile medical large data platform.Then the paper chooses the appropriate relay node for data forwarding by analyzing the community correlation and node social reliability and puts forward a new algorithm based on community correlation and node social reliability.Finally,the experimental results show that compared with the existing well-known Epidemic and Label algorithm,the new algorithm can obviously reduce the cost of network resources and the delivery rate is better than that of the Label.

DTNs;big data;mobile medical;community;social reliability;correlation

TP393

A

1004-4329（2017）01-073-07

10.14096/j.cnki.cn34-1069/n/1004-4329（2017）01-073-07

2016-11-24

國家自然科學(xué)基金(61603003)；蚌埠醫(yī)學(xué)院自然科學(xué)基金（BYKY1661）資助。

任麗麗（1988-），女，碩士，助教，研究方向：移動醫(yī)療、容遲網(wǎng)絡(luò)。