多层社交网络中的群组提取与分析方法

本论文研究的主要对象是多层社交网络（MSN）及其分析。多层社交网络分析中的关键问题之一是社区提取。为解决此问题，论文提出了 CLECC 度量（跨层边聚类系数）。这是一种边度量，表示两个给定用户的邻居彼此相似的程度。基于此度量，设计了用于多层社交网络中社区提取的 CLECC 算法。该算法在真实的单层社交网络（SSN）和多层社交网络（MSN）上进行了测试，也在来自 GN Benchmark（SSN）、LFR Benchmark（SSN）和 mLFR Benchmark（MSN）的基准网络上进行了测试，其中 mLFR Benchmark 是 LFR Benchmark 的一个特殊扩展，作为本论文的一部分而设计，能够生成多层基准网络。论文考虑的第二个研究问题是群组演化发现。对此问题的研究导致了包含度量和群组演化发现（GED）方法的开发，该方法旨在识别社交网络中连续时间帧内两个群组之间的事件。该方法在真实社交网络上进行了测试，并在准确性、执行时间、灵活性和实现难易度方面与两种众所周知的算法进行了比较。最后，开发了一种预测社交网络中群组演化的新方法。该新方法涉及使用 GED 方法的输出。结果表明，即使使用一个由若干先前群组大小和事件组成的简单序列作为分类器的输入，学习到的模型也能产生非常好的结果，即使对于简单的分类器也是如此。