動態(tài)社交網絡中人群移動性分析.pdf

1、動態(tài)社交網絡(DSN)已經成為普遍的新型通信模式，它采用隨時間演進的社會特征和移動節(jié)點（即用戶及其設備）的行為來設計有效且高效的網絡協(xié)議。在DSN中，受到節(jié)點個體和社會行為以及環(huán)境參數(shù)的影響，節(jié)點具有非隨機的移動性和一定的接觸模式。因此，可以用社會網絡分析技術（如中心性和社區(qū)）來探索這些運動模式，并提取它們之間有意義的模式和關系。
　　在網絡中更精確地識別節(jié)點中心性非常有用，它可以讓人設計更好的路由策略或以更適當?shù)姆绞竭x擇關鍵節(jié)點

2、。中心性識別同樣適用于具有犯罪和恐怖主義的網絡?，F(xiàn)在已經有了很多量化DSN中節(jié)點中心性的度量和算法，但是這些方法大都只研究節(jié)點和鏈路不會動態(tài)改變的靜態(tài)網絡。然而，動態(tài)變化的DSN帶來了很多挑戰(zhàn)，例如，由于節(jié)點自身的移動性，會引起節(jié)點之間的鏈路刪除或鏈路增加。此外，關鍵玩家問題(KPP)的識別是社交網絡研究的研究之一，KPP旨在識別網絡中最有積極或消極影響的一組節(jié)點。人們可以利用積極影響了解一個節(jié)點在網絡信息傳遞中的作用，利用消極影響檢測

3、節(jié)點造成網絡損壞或斷裂的關鍵程度。
　　我們在DSN中提出三個主要的研究問題，并提出我們的解決方案。
　　首先，我們完成了DSN中重疊社區(qū)的檢測，根據(jù)各種相關因素提出一系列算法。首先，提出一個節(jié)點賦權機制，其作用是使具有親密朋友關系節(jié)點間的權值和沒有親密朋友關系朋友間的權值具有細微的差別。然后，我們查看分組的群體，并以個體的方式查找他們的根源。這些連接社區(qū)反映了在現(xiàn)實生活里朋友之間是真的親近，或者他們之間的連接是由集群結引起

4、的。這些信息還會告訴我們，根據(jù)親密度的不同，每個人會在多大程度上受到一個連接或朋友的影響。我們將依賴于源信息的開放性特征作為標簽存儲在指定的存儲空間中。實驗表明，F(xiàn)-Score，Nicosia，NMI這三個因素已經提出了一種特定的算法，這使得檢測過程更加有用高效。
　　其次，我們設計出一種新方法來預測DSN網絡中移動用戶未來的中心性。中心性的概念在分析社會行為和采取理想行動，如機會網絡中的數(shù)據(jù)路由和傳輸方面起著重要的作用。換句話說

5、，預測移動用戶的未來中心性有助于我們在能量有限的DSN中設計高效的路由協(xié)議。我們在計算用戶當前和過去的中心度量之間的相關性的基礎上制定我們的方法，使用向量來表示網絡中心的狀態(tài)。為了檢查網絡節(jié)點的行為，我們在實驗中使用相關性和距離向量作為度量。此外，我們在三個真實世界的人力資源數(shù)據(jù)集(Intel，Cambridge和Infocom)上根據(jù)相關性和距離MSE的差異來分析我們方法的性能。實驗結果表明，與標準的方法相比，在數(shù)據(jù)傳播成功率和平均數(shù)

6、據(jù)傳輸延遲方面，我們的方法具有更好的性能。
　　最后，我們提出DSN中的關鍵節(jié)點識別問題，并給出快速定位網絡中最有影響力節(jié)點的方法，幫助我們更好地理解和控制網絡節(jié)點的行為。由于大多數(shù)現(xiàn)有的現(xiàn)實社會網絡具有隨社會和時間變化的特征，因此在關鍵節(jié)點識別中研究個人的社會屬性是非常重要的。所以，在本論文中，我們調查了一些重要的社會特征之間的相互關系，例如DSN節(jié)點的靈活性和社會性。我們的方案使用特定應用程序進行信息的網絡傳播。為此，我們設計