社交网络中基于信任智能体的群体行为引导方法的研究

The essence of social networks is that they can influence people’s public opinions, and then form the group behaviors quickly. However, the negative group behavior influences the stability of society significantly. But the existing group behavior induction approaches are too simple and inefficient, which easily makes participants become reverse recognization, feeling aggregation, political negligence and so on. Hence, in order to automatically induct the group behavior in social networks efficiently, this project introduces trust agent, and then designs the features of trust agents according to group behavior features and related social background features. In addition, with the nonlinear properties of a discrete dynamic system formed by network structure, the personal behaviors and group behaviors of participants in social networks, the dynamics control mechanism can be generated to coordinate the behaviors of participants in social networks to avoid the specific monitored negative group behavior as few as possible. Finally, our proposed discrete dynamic system will be experimentally validated by a social network group behavior induction prototype system, and it effectively controls the negative group behaviors in social networks, more specifically under the different social incentives (e.g., a new public strategy or a group event) the system can effectively automatically induct social network users with modern computational approaches to avoid negative group behaviors.

社交网络的本质，在于能够影响人们的思想，并迅速形成群体行为。而负面群体行为会给社会稳定带来巨大的影响。社交网络中现有群体行为引导方法存在简单低效，容易造成参与者的反向认知、情绪累加和政治冷漠等问题。为了有效自动引导社交网络中的群体行为，本研究首先引入信任智能体，并根据群体行为特征及相关背景设计信任智能体的特征，从而使其被社交网络中的其他参与者信任。然后，根据社交网络中网络结构、参与者个体行为和群体行为互动构成的离散动力系统的非线性动态性质，本研究引入一种动态协调方法，来协调社交网络中参与者的行为，以达到引导参与者尽可能少地参与特定监控的负面群体行为。最后，我们提出的离散动力系统将由一个社交网络群体行为引导原型系统来进行实验验证，它将有效控制社交网络中的负面群体行为，特别是在不同的社会刺激的条件下（例如，新公共策略或群体事件）利用现代计算方法有效自动引导社交网络用户远离负面群体行为。

在线社交网络中负面群体行为会给社会稳定带来巨大的影响。社交网络中现有的群体行为引导手段面临容错性低、自动化程度低和效率低等挑战性问题。因此亟须一种能加强参与者之间行为互动关系，并有效自动引导群体行为的方法。本研究首先引入信任智能体，并根据群体行为特征及相关背景设计信任智能体的特征，从而使其被社交网络中的其他参与者信任。然后，引入一种动态协调方法，来协调社交网络中参与者的行为，以达到引导参与者尽可能少地参与特定监控的负面群体行为。..因为本研究的目的是群体行为的引导，所以首先需要确定的就是群体行为特征。如果没有办法确定社交网络中群体行为特征，就没有办法相应的进行群体行为的引导。具体来说群体行为特征的发现过程如下：首先对任意所有参与者的行为集合进行特征词语的提取及相应的文本挖掘，并剔除与行为不相关的噪音信息及一些低频行为特征，从而获得群体行为特征集合。如何发现社交网络中的群体行为特征是本课题拟解决的关键问题之一。除了直接针对群体行为特征发现的研究，我们做了两个相关分支方向的工作。其中一个分支是社交网络中多标签分类，因为社交网络行为可以抽象为标签，社交网络中多标签分类的研究有助于行为特征发现问题的深入研究；另一个分支是社交网络话题发现，因为作为社交网络行为的相关集合，话题发现的研究有助于行为特征发现问题的深入研究；..本项目的主要目的是系统研究社交网络中群体行为引导相关的还没有被解决的关键科学问题，提出新的概念，算法和理论来解决社交网络中的群体行为引导问题。从小的方面来说，根据本课题提出的方法，社交网络中的动态行为引导状态可以被可视化，从而方便社交网络中参与者的行为引导的分析。从大的方面来说，本项目的成功实施将提供关键技术和实际解决方案以有效和广泛的管理社交网络中的行为引导，使社交网络中的参与者更相信彼此，从而达到整个社会的和谐。