在线社会网络的时序分析理论及其应用研究

In this project, we will analyze the interdependent relation between online user interactions and interest evolution patterns from the viewpoint of temporal analysis. A directed and weighted hypergraph model will be presented to track the collective behavior patterns, and we will develop a information spreading model based on the behavior pattern and present personzlied recommendation algorithms based on the interest evolution patterns. Firstly, we will establish a directed and weighted hypergraph model to map the temporal correlation between the interaction and rating behaviors, and empirically analyze the user collective behaviors of the e-commecial systems which were embedded the social networks. Then we will present a evolution model to analyze the corresponding mechanisms. Secondly, we will divide the temporal network into subnetwoks according to some specific time intervals. A compressed sensing method will be developed to reconstruct the subnetwork structures, which would be used to analyze the correlation mapping analysis for the interdepedent relation of the interaction and rating behaviors. Thirdly, we will develop indeces to measure the node importance and reputation based on the behavior pattern and properties of the hypergraphs. Finally, We will present wavelet analysis model to analyze the user behavior pattern, which would be used to analyze the effect of user interaction and rating behaviors to the information spreading, and the personalized recommendation algorithms would be presented based on the evolution patterns of user rating behaviors and reputation evolutions.

本项目从时序分析的角度拟分析在线社会网络中用户的交互行为和兴趣演化的耦合特性和演化机制，建立基于行为时序特性的网络信息传播模型和基于用户兴趣演化的自适应推荐算法。首先，提出描述用户交互和点评行为动态特性的有向、加权超图模型，实证分析嵌入社交元素的电子商务系统中用户的交互和兴趣演化的时序特性和关联关系，建立模型刻画其演化机制。其次，将时序模型按照时间片段进行分割，构建时序子网络。提出基于压缩感知理论的子网络结构重建方法预测用户兴趣的演化模式。第三，提出考虑用户行为时序特性和演化模式的重要性和声誉评价指标，识别不同类型用户角色的变化与集团结构演化的关联关系。最后，建立基于多维小波分析的用户行为分析模型，研究用户角色演化对网络信息传播的影响，提出基于用户兴趣和声誉演化的推荐算法。

随着在线社会网络的兴起和发展，这个新兴领域聚焦了越来越多各界人士的目光。特别是近年来诸如淘宝、微信、微博的兴起，人们的生活方式、知识传播、信息获取都发生了翻天覆地的变化。本项目针对在线社会网络的演化机制及特征做了以下分析研究：.首先利用实证数据从时序分析的角度分析在线社会网络中用户的交互行为和兴趣演化的耦合特性和演化机制，对用户自身打分偏好的演化特性进行研究。对于电影和评论而言，用户打分的偏好会随着时间先变得多样然后越来越集中。分析了用户之间共同兴趣对用户信任关系形成的重要作用。统计结果显示，共同兴趣的累积使得在线用户建立信任关系，而非相反。此外，还探究了用户度的大小对用户建立信任关系的影响。结果表明，在建立信任关系时，度越大的用户对品味相似性的要求也越高。.第二，研究了利用压缩感知理论对不同网络还原效果的影响。主要从网络的同配性，网络的规模等方面，研究网络的一些拓扑结构对基于压缩感知算法的网络重构的影响。对比不同网络的还原效果，我们发现基于压缩感知算法，同配性网络的重构效果比异配性网络的重构效果要好，同时在网络的同配系数r = 0.2时，网络的还原率达到最高，然后随着网络同配性的继续增加，网络的重构效果逐渐下降。.第三，研究了在线社会网络评价用户声誉的方法。我们提出了基于用户活跃度以及基于Beta概率分布的用户声誉和产品质量度量方法。在MovieLen和Netflix上做了实验，实验结果表明我们的算法比传统迭代算法可以给出更准确的声誉排序列表。.最后，针对在线社会网络上的信息传播以及知识传播，项目组提出了局域世界非均匀演化超网络（LWH）模型以及一个动态网络上的社会知识传播（SKD）模型。这些模型的建立对于理解在线社会网络的信息传播有一定的理论意义。基于在线社会系统，我们也提出了基于有限时间窗口的混合推荐算法，在实证数据中表明我们算法提高了准确性和多样性。对于在线社会网络的推荐系统的建立有实际意义。