社会网络事件检测：基于节点演化波动的新方法

“面向节点演化波动的社会网络事件检测方法”是一篇发表在《软件学报》上的研究论文，作者包括胡文斌、王欢、严丽平、邱振宇、聂聪和杜博，通讯作者为胡文斌和杜博。该论文主要探讨了社会网络事件检测的新方法，特别是如何通过分析节点的演化波动来提高检测的精确性和敏感性。 文章指出，社会网络具有多样化的特征和复杂的演化规律，及时检测网络事件对于理解网络动态至关重要。现有的链路预测方法虽然能利用网络拓扑信息发现异常波动，但往往忽视了不同节点间演化波动的差异，采用统一的相似性计算指标。为了解决这一问题，论文提出了名为NodeED的新方法，它由两个核心算法组成：节点相似性计算指标判定算法SimJudge和网络微观演化波动检测算法MicroFluc。 SimJudge算法采用了粒子群优化算法，可以定量比较多种相似性计算指标对节点演化波动的描述能力，从而为每个节点在不同时间找到最佳的相似性计算指标。这有助于更好地捕捉节点行为的变化。 MicroFluc算法则关注事件对网络演化的影响，通过量化节点演化波动的差异，从微观角度评估不同时段的整体网络波动。这种量化方法可以更精确地揭示事件引发的网络动态变化。 论文在真实社会网络数据集VAST和ENRON上进行了对比实验，结果显示，NodeED方法在VAST中提高了事件敏感性100%，在ENRON中提高了50%。这些提升证明了NodeED在社会网络事件检测中的优越性能，尤其是在精确性和敏感性方面。 关键词包括事件检测、链路预测、节点演化波动、社会网络以及网络演化规律。根据中国图书馆分类法，该论文属于TP181类别，即计算机软件及计算机应用领域。 引用格式为：胡文斌，王欢，严丽平，邱振宇，聂聪，杜博.面向节点演化波动的社会网络事件检测方法.软件学报,2017,28(10):2693–2703.http://www.jos.org 这篇论文为社会网络分析提供了新的视角，通过深入挖掘节点的动态变化，为事件检测提供了一种更为精准的方法，对于理解和预测社会网络中的突发情况具有重要的理论与实践价值。