混合指标量子群智能社会网络事件检测方法

• 作者: 严丽平 杜博 王欢 肖雷 胡文斌 邱振宇
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 量子粒子群 事件检测 链路预测 社会网络 网络演化 网络波动性评价
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2747-2762
• 页数: 16页
• 分类号: TP18
• 字数: 13413字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004910

摘要

社会网络错综复杂,如果能够及时发现和预测当前网络可能发生的重大事件并采取有效的处置策略,将具有重大意义.链路预测的理论框架和评价方法为社会网络事件检测提供了一条有效途径.目前,链路预测的研究工作大多针对特定网络提出相似性指标,试图取得更高的链路预测精度.这些研究存在如下问题:(1)不同的相似性指标适用于不同的网络,不具有普适性;(2)独立的相似性指标无法全面反映网络演化的多样性和复杂性;(3)链路预测时未考虑网络演化过程中可能出现波动,无法进行事件检测.基于上述问题,提出一种社会网络事件检测的混合指标群智能方法IndexEvent,由最佳权重算法OWA(optimal weight algorithm)和波动检测算法FDA(fluctuation detection algorithm)组成,可以评价不同网络的演化波动,发现网络波动异常,进行事件检测.主要工作如下:(1)提出了混合指标,并证明了基于混合指标的链路预测算法可以取得更高的预测精度;(2)基于量子粒子群算法提出了最佳权重算法OWA,以高效地确定不同网络的最佳混合指标;(3)提出了一种网络波动检测算法FDA,定量评价不同时段网络演化的波动程度,并在考虑微观因素的基础上进行改进.对不同特征的网络进行实验,结果表明,IndexEvent方法能够准确地反映事件造成的网络演化波动,有效地检测事件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡文斌	武汉大学计算机学院	23	178	8.0	12.0
2	杜博	武汉大学计算机学院	45	386	11.0	18.0
3	王欢	武汉大学计算机学院	27	172	8.0	12.0
4	严丽平	武汉大学计算机学院	7	25	3.0	5.0
5	邱振宇	武汉大学计算机学院	8	29	3.0	5.0
6	肖雷	武汉大学计算机学院	1	4	1.0	1.0