一種面向節(jié)點演化波動的社會網(wǎng)絡(luò)時間檢測方法

　　社會網(wǎng)絡(luò)特征千差萬別，演化規(guī)律錯綜復雜．合理地分析網(wǎng)絡(luò)演化規(guī)律，及時地檢測網(wǎng)絡(luò)事件具有重大意義，基于鏈路預測的社會網(wǎng)絡(luò)事件檢測方法利用有限的網(wǎng)絡(luò)拓撲信息，能夠有效地發(fā)現(xiàn)網(wǎng)絡(luò)演化的異常波動，準確地檢測網(wǎng)絡(luò)事件．然而，現(xiàn)有方法大多受到鏈路預測的宏觀評價指標的限制，忽略了不同節(jié)點演化波動的差異，用相同的相似性計算指標去描述所有節(jié)點的演化波動，不利于提升事件檢測的表現(xiàn)．為了進一步提升事件檢測的精確性和敏感性，提出一種面向節(jié)點演化波動的社會網(wǎng)絡(luò)事件檢測方法NodeED，由節(jié)點相似性計算指標判定算法Simjudge和網(wǎng)絡(luò)微觀演化波動檢測算法MicroFluc組成，主要工作如下：（1）結(jié)合粒子群優(yōu)化算法，提出Simjudge定量地比較不同的相似性計算指標對節(jié)點演化波動的描述程度，確定每個節(jié)點在不同時段的最佳相似性計算指標；（2）為了量化事件對網(wǎng)絡(luò)演化的影響，提出了MicroFluc，充分考慮節(jié)點演化波動的差異，從節(jié)點演化波動的角度對不同時段的網(wǎng)絡(luò)整體演化波動進行定量評估；（3）在真實社會網(wǎng)絡(luò)VAST和ENRON中進行對比實驗，其結(jié)果表明，NodeED在VAST中的事件敏感性提升了100%，在ENRON中的事件敏感性提升了50%，更有利于精確地檢測社會網(wǎng)絡(luò)中發(fā)生的事件．