基于节点演化分阶段优化的事件检测方法

• 作者: 仇倩 富坤 赵晓梦 高金辉
• 来源期刊: 计算机科学
• 关键词: 事件检测 节点演化 链路预测 社会网络 动态网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 数据库&大数据&数据科学
• 页码范围: 96-102
• 页数: 7页
• 字数: 9048字
• 语种: 中文
• DOI: 10.11896/jsjkx.190400072

摘要

链路预测技术是分析网络演化的有效方法,也为社会网络事件检测提供了一种新思路.当前采用链路预测进行事件检测的方法大多是从宏观的网络演化入手,也有少数结合节点演化的检测方法,但其稳定性不佳,对事件的敏感性也不够高,不能准确检测事件的发生.基于以上问题,提出了一种基于节点演化分阶段优化的事件检测方法(Node Evolution Staged Opti-mization,NESO_ED).首先通过分阶段优化的方法加强事件检测的稳定性,并获取节点指标权重数组;然后根据不同阶段按不同规则选取节点的最佳相似性计算指标,使节点能更好地量化网络演化情况,以此提高事件检测的敏感性.此外,分析了网络演化过程中节点选取指标的变化情况,揭示了事件发生对节点演化产生的不同影响.基于真实社会网络VAST进行对比实验,结果显示NESO_ED方法在事件检测敏感性上比LinkEvent方法提高了227％,比NodeED方法提高了63％,NESO_ED方法的稳定性也比NodeED方法提高了66％,这表明NESO_ED方法能更加准确且稳定地进行事件检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	富坤	河北工业大学人工智能与数据科学学院	22	56	5.0	6.0
2	仇倩		1	0	0.0	0.0
3	赵晓梦	河北工业大学人工智能与数据科学学院	1	0	0.0	0.0
4	高金辉		1	0	0.0	0.0