劉尹平，王篤會(huì)，任朝陽(yáng)
（南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003）
摘要：在線(xiàn)社交網(wǎng)絡(luò)是伴隨著互聯(lián)網(wǎng)技術(shù)發(fā)展產(chǎn)生的，它屬于眾多復(fù)雜網(wǎng)絡(luò)中的一種。近年來(lái)，對(duì)于在線(xiàn)社交網(wǎng)絡(luò)的研究不斷深入，研究方向可以細(xì)分為網(wǎng)絡(luò)拓?fù)涮卣?/a>的分析、虛擬社區(qū)劃分算法的研究、傳播動(dòng)力學(xué)研究、網(wǎng)絡(luò)采樣與重構(gòu)、網(wǎng)絡(luò)拓?fù)渥R(shí)別等。大數(shù)據(jù)研究的興起使得在線(xiàn)社交網(wǎng)絡(luò)的研究更加受到人們的關(guān)注。當(dāng)前，人們的日常生活幾乎離不開(kāi)在線(xiàn)社交網(wǎng)絡(luò)，也因此每天都會(huì)有大量的用戶(hù)數(shù)據(jù)產(chǎn)生，分析、利用這些數(shù)據(jù)可以幫助人們了解自己并創(chuàng)造更多的價(jià)值。
關(guān)鍵詞：在線(xiàn)社交網(wǎng)絡(luò)；拓?fù)涮卣?；虛擬社區(qū)劃分算法；采樣;重構(gòu)；大數(shù)據(jù)
0引言
BOCCALETTI S等人［1］2006年發(fā)表的文章中，從復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)特征、動(dòng)力學(xué)兩個(gè)角度對(duì)復(fù)雜網(wǎng)絡(luò)進(jìn)行了理論研究及具體應(yīng)用分析。在國(guó)內(nèi)，方錦清等人將復(fù)雜網(wǎng)絡(luò)的相關(guān)研究定義為一門(mén)新的交叉科學(xué)——網(wǎng)絡(luò)科學(xué)［2］，其涉及圖論、統(tǒng)計(jì)物理學(xué)、現(xiàn)代控制理論、非線(xiàn)性科學(xué)等諸多領(lǐng)域的研究理論。
社交網(wǎng)絡(luò)是一種常見(jiàn)的復(fù)雜網(wǎng)絡(luò)，是指由許多節(jié)點(diǎn)構(gòu)成的一種社會(huì)結(jié)構(gòu)，可以抽象為由多個(gè)節(jié)點(diǎn)及節(jié)點(diǎn)之間的鏈路構(gòu)成的圖，它是伴隨著人類(lèi)的誕生而產(chǎn)生的，這里的節(jié)點(diǎn)可以是個(gè)人也可以是組織，節(jié)點(diǎn)之間的鏈路對(duì)應(yīng)于各種社會(huì)關(guān)系，比如朋友關(guān)系。
在線(xiàn)社交網(wǎng)絡(luò)是互聯(lián)網(wǎng)與傳統(tǒng)社交網(wǎng)絡(luò)的結(jié)合，是一種在信息網(wǎng)絡(luò)上由社會(huì)個(gè)體集合及個(gè)體之間的連接關(guān)系構(gòu)成的社會(huì)性結(jié)構(gòu)，它的產(chǎn)生與計(jì)算機(jī)技術(shù)的飛速發(fā)展息息相關(guān)。這種社會(huì)性結(jié)構(gòu)也可以抽象為由節(jié)點(diǎn)和鏈路構(gòu)成的圖。節(jié)點(diǎn)可以是個(gè)人或者組織，也可以是網(wǎng)絡(luò)ID等虛擬個(gè)體，鏈路則代表各種社會(huì)關(guān)系，或者收發(fā)消息等多種動(dòng)作行為［3］。
復(fù)雜網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、在線(xiàn)社交網(wǎng)絡(luò)三者的關(guān)系可以理解為，社交網(wǎng)絡(luò)為復(fù)雜網(wǎng)絡(luò)的一種，因此具有許多復(fù)雜網(wǎng)絡(luò)的特征，而在線(xiàn)社交網(wǎng)絡(luò)可以理解為一種特殊的社交網(wǎng)絡(luò)。因此，在線(xiàn)社交網(wǎng)絡(luò)也具有復(fù)雜性，其復(fù)雜性主要表現(xiàn)在以下三個(gè)方面：（1）節(jié)點(diǎn)的復(fù)雜性，網(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)都具有不同的屬性、特征，同一個(gè)節(jié)點(diǎn)還可能具有復(fù)雜的時(shí)間演化行為。（2）結(jié)構(gòu)復(fù)雜性，具體來(lái)說(shuō)，就是網(wǎng)絡(luò)節(jié)點(diǎn)之間關(guān)系混亂，連接交錯(cuò)復(fù)雜，且隨時(shí)可能發(fā)生動(dòng)態(tài)變化。比如，你會(huì)在不斷改變的生活環(huán)境中不斷地結(jié)交一些新朋友，同時(shí)也可能失去一些朋友。（3）結(jié)構(gòu)與節(jié)點(diǎn)之間相互影響，比如，朋友圈的組成結(jié)構(gòu)影響你的言行舉止，而你結(jié)交新的朋友就會(huì)改變你朋友圈的結(jié)構(gòu)。圖1描述了社交網(wǎng)絡(luò)的生長(zhǎng)過(guò)程。
近年來(lái)，對(duì)于在線(xiàn)社交網(wǎng)絡(luò)的研究不斷深入，研究方向可以細(xì)分為網(wǎng)絡(luò)拓?fù)涮卣鞯姆治?、虛擬社區(qū)劃分算法的研究、傳播動(dòng)力學(xué)研究、網(wǎng)絡(luò)采樣與重構(gòu)、網(wǎng)絡(luò)拓?fù)渥R(shí)別等。
1在線(xiàn)社交網(wǎng)絡(luò)的拓?fù)涮匦苑治?/strong>
在線(xiàn)社交網(wǎng)絡(luò)可以是無(wú)向網(wǎng)絡(luò)也可以是有向網(wǎng)絡(luò)，MSN、QQ、微信等在線(xiàn)實(shí)時(shí)通信平臺(tái)需要雙方認(rèn)證才可以建立朋友關(guān)系，基于這種方式形成的在線(xiàn)社交網(wǎng)絡(luò)結(jié)構(gòu)中鏈路是無(wú)向的，而通過(guò)Twitter、微博等可以建立單向的關(guān)系，比如在新浪微博中，你可以關(guān)注自己喜歡的明星但明星并不一定會(huì)關(guān)注你，這樣就會(huì)形成有向在線(xiàn)社交網(wǎng)絡(luò)。
1.1無(wú)標(biāo)度特性
在無(wú)向網(wǎng)絡(luò)中節(jié)點(diǎn)的度指網(wǎng)絡(luò)中與該節(jié)點(diǎn)直接相連的邊的數(shù)目，度分布P（k）定義為一個(gè)隨機(jī)選擇的節(jié)點(diǎn)度為k的概率，也就是網(wǎng)絡(luò)中度為k的節(jié)點(diǎn)數(shù)目與網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)目的比值。
無(wú)標(biāo)度的概念是BARABSI A L和ALBERTT R［4］提出的。經(jīng)研究發(fā)現(xiàn)，現(xiàn)實(shí)生活中的許多復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)度分布函數(shù)服從冪律分布，其表現(xiàn)為，大部分的節(jié)點(diǎn)擁有的鄰居節(jié)點(diǎn)數(shù)很少，只有少部分的節(jié)點(diǎn)擁有大量的鄰居節(jié)點(diǎn)。由于冪律分布函數(shù)具有無(wú)標(biāo)度性質(zhì)，因此又稱(chēng)這種特征為“無(wú)標(biāo)度”特性。在線(xiàn)社交網(wǎng)絡(luò)作為復(fù)雜網(wǎng)絡(luò)中的一種，也具有無(wú)標(biāo)度特性。
1.2小世界特性
在無(wú)權(quán)網(wǎng)絡(luò)中，從一個(gè)節(jié)點(diǎn)到另一個(gè)節(jié)點(diǎn)的路徑需要經(jīng)過(guò)的邊數(shù)稱(chēng)為兩節(jié)點(diǎn)間的距離。當(dāng)網(wǎng)絡(luò)中兩節(jié)點(diǎn)之間存在不止一條路徑時(shí)，其中距離最短的一條稱(chēng)為連接兩節(jié)點(diǎn)的最短路徑，此距離即為最短路徑長(zhǎng)度。N個(gè)節(jié)點(diǎn)構(gòu)成的網(wǎng)絡(luò)中任意兩節(jié)點(diǎn)間距離的均值定義為整個(gè)網(wǎng)絡(luò)的平均路徑長(zhǎng)度。
“小世界”概念由社會(huì)心理學(xué)家MILGRAM S提出，來(lái)自于其曾進(jìn)行的一次“郵件傳播”的實(shí)驗(yàn)，也被稱(chēng)為“六度分割”理論。WATTS D J和STROGATZ S H 1998年第一次提出了小世界模型［5］。在線(xiàn)社交網(wǎng)絡(luò)擁有大量的節(jié)點(diǎn)和鏈路，網(wǎng)絡(luò)拓?fù)涫謴?fù)雜，但令人驚訝的是，任意兩節(jié)點(diǎn)的最短路徑和網(wǎng)絡(luò)平均路徑都非常小，這種現(xiàn)象被形象地稱(chēng)為“小世界”特征。研究表明，2010年人人網(wǎng)的用戶(hù)之間的平均距離為5.38［6］，而2011年全球Facebook上兩個(gè)用戶(hù)之間的平均距離僅為4.74。然而，對(duì)于網(wǎng)絡(luò)“小世界”特性的研究均基于無(wú)權(quán)網(wǎng)絡(luò)，并沒(méi)有考慮網(wǎng)絡(luò)中節(jié)點(diǎn)連接的強(qiáng)弱不同。
真實(shí)的在線(xiàn)社交網(wǎng)絡(luò)的特性不僅局限于無(wú)標(biāo)度特性與小世界特性，有些在線(xiàn)社交網(wǎng)絡(luò)還具有聚類(lèi)特性、社區(qū)結(jié)構(gòu)特性等。因此，建立真實(shí)社交網(wǎng)絡(luò)的模型仍存在挑戰(zhàn)。
2在線(xiàn)社交網(wǎng)絡(luò)虛擬社區(qū)劃分
在線(xiàn)社交網(wǎng)絡(luò)由若干“群”或“簇”構(gòu)成。這些群或簇的內(nèi)部節(jié)點(diǎn)連接緊密，而群或簇間的連接則相對(duì)比較稀疏。也就是說(shuō)，在線(xiàn)社交網(wǎng)絡(luò)與諸多復(fù)雜網(wǎng)絡(luò)一樣，具有“社區(qū)結(jié)構(gòu)”的特征［7］。
目前，對(duì)于社區(qū)結(jié)構(gòu)的定義有許多不同的方法，比如：如果圖G內(nèi)所有節(jié)點(diǎn)間連接的度的總和大于其與其他部分圖相連的度的總和，則圖G為一個(gè)社區(qū)結(jié)構(gòu)［1］。不同的定義方法對(duì)應(yīng)著不同的虛擬社區(qū)劃分算法，具體來(lái)說(shuō)，虛擬社區(qū)劃分算法有兩類(lèi)，一類(lèi)是靜態(tài)虛擬社區(qū)劃分算法，另一類(lèi)是動(dòng)態(tài)虛擬社區(qū)劃分算法。
經(jīng)典的靜態(tài)虛擬社區(qū)劃分算法包括Kmeans算法、分裂算法、凝聚算法、譜分析算法等［8］。其中，Kmeans算法是最知名的聚類(lèi)算法，該算法給出一組歐幾里得節(jié)點(diǎn)并根據(jù)節(jié)點(diǎn)數(shù)目給出一個(gè)正整數(shù)k，將數(shù)據(jù)集劃分為k個(gè)不相交的子集。計(jì)算機(jī)根據(jù)k值隨機(jī)選擇k個(gè)點(diǎn)作為初始中心點(diǎn)，計(jì)算所有節(jié)點(diǎn)到k個(gè)中心點(diǎn)的平方歐式距離并將節(jié)點(diǎn)歸于距離最短的那個(gè)集群。重新計(jì)算k個(gè)集群的中心點(diǎn)并進(jìn)行迭代，使得所有點(diǎn)到中心點(diǎn)的平方歐式距離之和最短，同時(shí)不同集群中心點(diǎn)的距離最長(zhǎng)。這種算法可以實(shí)現(xiàn)較好的劃分效果，但k值需要人為估計(jì)。
對(duì)于動(dòng)態(tài)虛擬社區(qū)的劃分，當(dāng)前的一個(gè)普遍方法是將連續(xù)時(shí)間分割成一些離散的時(shí)間步，分別抽取社區(qū)結(jié)構(gòu)，然后引入演化特征來(lái)解釋隨時(shí)間的變化這些劃分之間的差異，從而得到網(wǎng)絡(luò)和其中社區(qū)的發(fā)展趨勢(shì)。
在線(xiàn)社交網(wǎng)絡(luò)的虛擬社區(qū)劃分可以應(yīng)用于廣告的精準(zhǔn)投放，將相似的人群劃分在同一社區(qū)，針對(duì)不同社區(qū)投放不同的廣告，以減少成本增加商業(yè)利潤(rùn)。此外，虛擬社區(qū)劃分也可用于在線(xiàn)社交網(wǎng)絡(luò)的推薦系統(tǒng)，同一社區(qū)的節(jié)點(diǎn)屬性更具有相似性，因此也更有可能成為朋友。
3在線(xiàn)社交網(wǎng)絡(luò)上的傳播動(dòng)力學(xué)
復(fù)雜網(wǎng)絡(luò)的動(dòng)力學(xué)定義為，網(wǎng)絡(luò)在“外部刺激”的推動(dòng)下，或者“內(nèi)部消息”的觸發(fā)下，節(jié)點(diǎn)自身信息狀態(tài)改變或者節(jié)點(diǎn)間連接關(guān)系發(fā)生變化，從而導(dǎo)致整個(gè)網(wǎng)絡(luò)發(fā)生明顯的或者不明顯的“質(zhì)變”，這種改變可以是在某種規(guī)則約束下執(zhí)行的，也可能是隨機(jī)的。
傳播是一種常見(jiàn)的網(wǎng)絡(luò)動(dòng)力學(xué)行為［9］。目前，關(guān)于在線(xiàn)社交網(wǎng)絡(luò)上傳播動(dòng)力學(xué)研究的文章有許多，比如對(duì)于微博中的謠言傳播的研究。在線(xiàn)社交網(wǎng)絡(luò)上傳播的不僅只有謠言，也可以是口碑、情緒等。研究傳播動(dòng)力學(xué)的前提是對(duì)在線(xiàn)網(wǎng)絡(luò)進(jìn)行建模，基于代理的建模是其中一種常見(jiàn)的方法，即利用現(xiàn)有的計(jì)算機(jī)技術(shù)建立基于代理的網(wǎng)絡(luò)模型，該模型由許多自治的、相互交互的“代理”組成。代理具有自身的行為，也可與其他代理進(jìn)行交互，這種交互會(huì)影響代理自身的行為。根據(jù)模型應(yīng)用環(huán)境的不同，模型中的代理可以代表個(gè)人、家庭、公司甚至是國(guó)家?；诖淼慕２捎谩白缘紫蛏稀钡慕Ｋ枷?，通過(guò)對(duì)一個(gè)個(gè)代理的建模，就可以將不同代理的屬性和行為的多樣性從整個(gè)系統(tǒng)的行為中表現(xiàn)出來(lái)。
研究在線(xiàn)社交網(wǎng)絡(luò)上的傳播動(dòng)力學(xué)有著重要的實(shí)際意義，例如，研究謠言在在線(xiàn)社交網(wǎng)絡(luò)中的傳播過(guò)程、傳播規(guī)律可以為政府及有關(guān)部門(mén)的征兆預(yù)警、判斷分析及公共宣傳工作提供保障。因此，研究不同類(lèi)型的信息在在線(xiàn)社交網(wǎng)絡(luò)中的傳播過(guò)程，揭示信息傳播的一般規(guī)律與特性，提出科學(xué)有效的控制策略，是傳播研究領(lǐng)域的重要課題。
4在線(xiàn)社交網(wǎng)絡(luò)采樣與重構(gòu)
參考文獻(xiàn)［10］中指出，網(wǎng)絡(luò)采樣與網(wǎng)絡(luò)重構(gòu)與網(wǎng)絡(luò)構(gòu)建的發(fā)展趨勢(shì)密切相關(guān)。一方面，由于受到現(xiàn)有技術(shù)的限制，對(duì)于許多網(wǎng)絡(luò)只能通過(guò)采樣的方法獲得數(shù)據(jù)；另一方面，即使能夠獲得完整的數(shù)據(jù)，有些網(wǎng)絡(luò)問(wèn)題的研究也需要對(duì)網(wǎng)絡(luò)進(jìn)行采樣。例如，研究在線(xiàn)社交網(wǎng)絡(luò)上的傳播動(dòng)力學(xué)問(wèn)題時(shí)，一般只在部分子網(wǎng)絡(luò)進(jìn)行研究。此外，在處理大規(guī)模數(shù)據(jù)可視化的問(wèn)題時(shí)也需要有效的采樣。
目前被廣泛應(yīng)用的采樣算法有廣度優(yōu)先采樣、Frontier采樣、Forest Fire采樣等。每種采樣算法都有其優(yōu)缺點(diǎn)，以FF(Forest Fire)采樣算法為例，F(xiàn)F采樣算法基于隨機(jī)游走思想，它首先隨機(jī)地選取一個(gè)節(jié)點(diǎn)作為森林火災(zāi)的發(fā)源地，然后選取與該節(jié)點(diǎn)的鄰居節(jié)點(diǎn)作為下一步有可能被燒到的樹(shù)木，每一個(gè)節(jié)點(diǎn)（樹(shù)木）被燒到的概率為P，P的大小決定了抽樣效果的好壞，文獻(xiàn)［11］指出P=0.8時(shí)抽樣的效果最好。FF算法采集的子網(wǎng)雖然連通性較好，且具有小世界特性，但由于更傾向于獲取度值較大的節(jié)點(diǎn)，因此樣本節(jié)點(diǎn)之間的連接將逐漸具有超線(xiàn)性關(guān)系，所以無(wú)法實(shí)現(xiàn)對(duì)原始網(wǎng)絡(luò)的真實(shí)采樣。
與網(wǎng)絡(luò)采樣相對(duì)應(yīng)的一個(gè)問(wèn)題是網(wǎng)絡(luò)重構(gòu)(Network Reconstruction)，即能否以及如何從部分網(wǎng)絡(luò)數(shù)據(jù)推測(cè)得到整個(gè)網(wǎng)絡(luò)的數(shù)據(jù)。這一問(wèn)題也被稱(chēng)為網(wǎng)絡(luò)完整性(Network Completion)、網(wǎng)絡(luò)推斷(Network inference)或逆向工程網(wǎng)絡(luò)(Reverse Engineering Network)。
網(wǎng)絡(luò)重構(gòu)的問(wèn)題最早由GUIMER R和SALESPARDO M提出［12］，他們基于隨機(jī)分塊模型來(lái)進(jìn)行網(wǎng)絡(luò)重構(gòu)，隨機(jī)分塊模型的基本思想是將節(jié)點(diǎn)分為相互獨(dú)立的組，兩個(gè)節(jié)點(diǎn)之間存在鏈路的概率只與節(jié)點(diǎn)所在的組有關(guān)，文獻(xiàn)［12］中指出，不僅可以預(yù)測(cè)兩個(gè)未連接的節(jié)點(diǎn)之間是否存在鏈路，同時(shí)也可以判斷網(wǎng)絡(luò)中存在的虛假邊。鏈路預(yù)測(cè)也是網(wǎng)絡(luò)重構(gòu)相關(guān)的研究之一，鏈路預(yù)測(cè)的主要思想是利用節(jié)點(diǎn)之間屬性相似性或者網(wǎng)絡(luò)結(jié)構(gòu)的相關(guān)性等來(lái)恢復(fù)丟失連邊［13］，例如基于共同鄰居指標(biāo)的鏈路預(yù)測(cè)，即兩個(gè)節(jié)點(diǎn)擁有的共同鄰居越多，它們之間存在鏈路的可能性就越大。鏈路預(yù)測(cè)技術(shù)可用于在線(xiàn)社交網(wǎng)絡(luò)的推薦系統(tǒng)，兩個(gè)陌生人有很多的共同朋友或者擁有許多的共同愛(ài)好，那么他們能夠成為朋友的概率就很大。
5在線(xiàn)社交網(wǎng)絡(luò)拓?fù)渥R(shí)別
近年來(lái)，無(wú)論是對(duì)復(fù)雜網(wǎng)絡(luò)還是對(duì)具體的在線(xiàn)社交網(wǎng)絡(luò)的研究，大多是研究網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)在已知條件下的網(wǎng)絡(luò)動(dòng)力學(xué)問(wèn)題，或者是研究網(wǎng)絡(luò)結(jié)構(gòu)的各種特征參數(shù)，如平均距離、度分布等對(duì)網(wǎng)絡(luò)動(dòng)力學(xué)的影響［14］。然而實(shí)際的網(wǎng)絡(luò)存在各種不確定性的信息，網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)目、拓?fù)溥B接等往往只有部分已知，并且還可能不斷地變化。假設(shè)網(wǎng)絡(luò)動(dòng)力學(xué)演化是可以測(cè)量獲取的，那么能否根據(jù)網(wǎng)絡(luò)動(dòng)力學(xué)演化來(lái)估計(jì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，是一個(gè)極具挑戰(zhàn)性的問(wèn)題。如果說(shuō)在已知網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)條件下研究網(wǎng)絡(luò)動(dòng)力學(xué)問(wèn)題是正問(wèn)題的話(huà)，那么對(duì)于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的識(shí)別則屬于反演問(wèn)題（或者反問(wèn)題）。顯然，反問(wèn)題比正問(wèn)題困難，而且一般來(lái)說(shuō)反問(wèn)題的解是不唯一的，解反問(wèn)題是需要附加補(bǔ)充條件的。
對(duì)于網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)識(shí)別問(wèn)題，目前國(guó)內(nèi)已經(jīng)取得一些重要進(jìn)展。陸君安等人提出基于自適應(yīng)同步的網(wǎng)絡(luò)動(dòng)力學(xué)參數(shù)和拓?fù)渥R(shí)別方法［15］，指出動(dòng)力學(xué)信息對(duì)于拓?fù)渥R(shí)別并非是充分的，為了識(shí)別網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，需要滿(mǎn)足經(jīng)內(nèi)連耦合動(dòng)力學(xué)映射后的一簇函數(shù)組在同步流形上線(xiàn)性無(wú)關(guān)的條件。如果需要同時(shí)識(shí)別網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和動(dòng)力學(xué)參數(shù)，則需要滿(mǎn)足經(jīng)內(nèi)連耦合動(dòng)力學(xué)和節(jié)點(diǎn)動(dòng)力學(xué)映射后的兩簇函數(shù)組在同步流形上線(xiàn)性無(wú)關(guān)的條件。對(duì)于具體的在線(xiàn)社交網(wǎng)絡(luò)，可以考慮利用其上的傳播等動(dòng)力學(xué)行為推測(cè)其具體結(jié)構(gòu)，進(jìn)一步研究動(dòng)力學(xué)行為與網(wǎng)絡(luò)結(jié)構(gòu)之間的相互影響。
6結(jié)論
在線(xiàn)社交網(wǎng)絡(luò)各方面的研究目前已經(jīng)取得了相當(dāng)多的研究成果，同時(shí)也受到了越來(lái)越多人的關(guān)注與投入，在線(xiàn)社交網(wǎng)絡(luò)研究與大數(shù)據(jù)研究的結(jié)合是當(dāng)前的一個(gè)研究熱點(diǎn)，未來(lái)將會(huì)有更好的發(fā)展與應(yīng)用。
大數(shù)據(jù)是指無(wú)法在一定時(shí)間內(nèi)用常用軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合［16］。2013年新浪公司全年財(cái)報(bào)中指出，截至2013年12月份，新浪微博注冊(cè)用戶(hù)數(shù)達(dá)2.81億，微博活躍用戶(hù)數(shù)達(dá)1.67億，每天產(chǎn)生約2億條微博數(shù)據(jù)。2012年3月美國(guó)政府發(fā)布《大數(shù)據(jù)研究和發(fā)展倡議》，時(shí)至今日，大數(shù)據(jù)顯然已成為一種競(jìng)爭(zhēng)資源。在線(xiàn)社交網(wǎng)絡(luò)每天都有大量數(shù)據(jù)產(chǎn)生，如何利用這些數(shù)據(jù)，結(jié)合已有的在線(xiàn)社交網(wǎng)絡(luò)理論研究成果，分析人們的生活和行為，挖掘政治、社會(huì)、文化、商業(yè)、健康等領(lǐng)域的信息，以便于更好地服務(wù)于用戶(hù)并從中獲利，將具有廣闊發(fā)展前景。
參考文獻(xiàn)
?。?］ BOCCALETTI S, .LATORA V, MORENO Y, et al．Complex network:structure and dynamics ［J/OL］．Physics Reports,2006,424:17530.［20160320］.http://www.sciencedirect.com/science/article/pii/S037015730500462X.
?。?］ 方錦清，汪小帆，鄭志剛，等．一門(mén)嶄新的交叉科學(xué)：網(wǎng)絡(luò)科學(xué)（上）［J］．物理學(xué)進(jìn)展，2007，27（3）：239343．
?。?］ 方濱興，許進(jìn)，李建華，等．在線(xiàn)社交網(wǎng)絡(luò)分析［M］．北京：電子工業(yè)出版社，2014．
?。?］ BARABáSI A L, ALBERT R. Emergence of scaling in random networks［J/OL］.Science ,1999,286(5439):50912.［20160320］.http://science.sciencemag.org/content/286/5439/509.
?。?］ WATTS D J, STROGATZ S H. Collective dynamics of smallworld networks［J/OL］. Nature, 1998,393(6684):440442. ［20160320］.http://apps.webofknowledge.com/full_record.do?product=UA&search_mode=GeneralSearch&qid=9&SID=N2CCOYPK3reQ14t9giD&page=1&doc=3.
［6］ Jiang Jing，WILSON C，Wang Xiao，et al．Understanding latent interactions in online social networks ［J/OL］.ACM Transactions on the Web，2010,7(4):369382.［20160320］.http://apps.webofknowledge.com/full_record.do?product=UA&search_mode=GeneralSearch&qid=6&SID=N2CCOYPK3reQ14t9giD&page=1&doc=1.
［7］ 鄭浩原，黃戰(zhàn)．復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘———改進(jìn)的層次聚類(lèi)算法［J ］．微型機(jī)與應(yīng)用，2011，30（16）：8588．
?。?］ 顧宏博，奚杰杰，吳晶．基于關(guān)聯(lián)系數(shù)的社區(qū)劃分算法［J］．微型機(jī)與應(yīng)用，2015，34（18）：1719．
?。?］ MORENO Y, NEKOVEE M, PACHECO A F. Dynamics of rumor spreading in complex networks［J/OL］. Physical Review E, 2004, 69(6 Pt 2):066130. ［20160320］.http://journals.aps.org/pre/abstract/10.1103/PhysRevE.69.066130.
?。?0］ 汪小帆．網(wǎng)絡(luò)科學(xué)發(fā)展研究［J］．學(xué)科發(fā)展報(bào)告，2013，36（4）：111119．
?。?1］ LESKOVEC J，F(xiàn)ALOUTSOS C．Sampling from large graphs［C］．The Twelfth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining,2006：2023.
?。?2］ GUIMERà R，SALESPARDO M．Missing and spurious interactions and reconstruction of complex network［C］．Proceeding of National Academy of Science of the United States of America，2009：2207322078.
?。?3］ 呂琳媛，周濤．鏈路預(yù)測(cè)［M］.北京：高等教育出版社，2013．