復(fù)雜網(wǎng)絡(luò)鏈路分析與社交媒體預(yù)測.pdf

1、復(fù)雜性科學(xué)被稱為是二十一世紀的科學(xué)，復(fù)雜性科學(xué)的研究對象是復(fù)雜系統(tǒng)，復(fù)雜系統(tǒng)已遍布我們生活的世界的每個角落。網(wǎng)絡(luò)是復(fù)雜系統(tǒng)的拓撲抽象，是刻畫與分析復(fù)雜系統(tǒng)各類對象之間復(fù)雜關(guān)系的有力理論工具。隨著大數(shù)據(jù)時代的到來，“海量數(shù)據(jù)驅(qū)動”的網(wǎng)絡(luò)科學(xué)研究為認識復(fù)雜系統(tǒng)提供了新的途徑。本文針對網(wǎng)絡(luò)科學(xué)的建模、分析及預(yù)測等方面的理論與應(yīng)用問題開展重點研究，主要包括以下四個方面內(nèi)容：
　　第一，針對真實網(wǎng)絡(luò)度分布的不均衡性及結(jié)構(gòu)的模塊特性，提出基于

2、度修正隨機塊模型的鏈路分析模型與算法。度修正隨機塊模型利用網(wǎng)絡(luò)模塊內(nèi)節(jié)點度的差異修正節(jié)點間的連接概率，繼承了隨機塊模型對網(wǎng)絡(luò)模塊結(jié)構(gòu)的建模能力，同時考慮了度的差異對節(jié)點間連接的影響。實驗結(jié)果表明：基于度修正隨機塊模型的鏈路分析算法效果明顯優(yōu)于傳統(tǒng)隨機塊模型及局部相似性方法。
　　第二，針對真實網(wǎng)絡(luò)節(jié)點間關(guān)系的非對稱性，將經(jīng)典局部相似性指標、隨機塊模型等鏈路分析方法拓展到有向網(wǎng)絡(luò)。實驗結(jié)果表明：基于隨機塊模型的鏈路分析拓展到有向網(wǎng)絡(luò)

3、后，方法的準確度與穩(wěn)定性明顯優(yōu)于其它局部相似性及Bi-fan指標；偏好連接指標在無向網(wǎng)絡(luò)中預(yù)測準確度較低，但在有向網(wǎng)絡(luò)中準確度卻顯著領(lǐng)先于其它局部相似性指標。
　　第三，針對團隊創(chuàng)新力分析問題，建立了團隊創(chuàng)新力分析的理論模型，給出了團隊創(chuàng)新力度量的指標與方法。以美國慢性疾病關(guān)愛合作網(wǎng)絡(luò)項目團隊成員的郵件通信網(wǎng)絡(luò)為研究對象，基于合作創(chuàng)新網(wǎng)絡(luò)理論與語義社交網(wǎng)絡(luò)分析方法，研究團隊溝通交流及語言表達的方式與團隊創(chuàng)新力的關(guān)系。實驗結(jié)果表明：

4、團隊活躍成員數(shù)越多、交流越頻繁、語言表達越坦率，團隊創(chuàng)新力越強。同時隨著項目不斷成熟，網(wǎng)絡(luò)密度逐步降低，團隊成員更加專注。
　　第四，針對宏觀經(jīng)濟趨勢預(yù)測問題，研究了社交媒體信息與資產(chǎn)市場走勢的關(guān)系。通過社交媒體測量公眾的情緒與觀點，利用相關(guān)分析與格蘭杰因果分析研究推文中反映出的公眾情緒、觀點與股票市場走勢、資產(chǎn)價格變化率之間的關(guān)系。實驗結(jié)果表明：包含特定情緒傾向的推文比例與股票市場走勢呈現(xiàn)負相關(guān)；包含關(guān)鍵詞“dollar”、“o