面向社会网络分析的数据挖掘方法研究

从计算机网络出现以来,计算机成为了一种新兴的通讯工具,这种社会性的交互和通讯构建了一个虚拟空间。在这一虚拟空间中,用户利用互联网构建自己的人际关系网络,从而形成了虚拟空间上的社会网络。作为社会网络中的一种具体应用,犯罪网络在911事件以后,日益引起各个国家的安全部门的重视,在搜集犯罪数据、建设相关数据库的同时,基于相关数据库在数据挖掘方面进行了一系列的研究,使得犯罪网络的研究开始广泛起来,以期望实现打击犯罪和维护公安的目的。 面向社会网络分析的数据挖掘方法是社会网络分析中基本而重要的功能,这 功能对于犯罪网络分析同样基本而重要,本文试图对这一问题的几个方面进行研究。本文的研究内容和主要贡献如下: 基本关联搜索 本文定义了基本关联这一概念,设计并实现了基于基本关联的多度关系挖掘算法,并在浙江省公安信息系统平台上实现了公安信息多度关系挖掘系统,支持同住、同乡、同机等九种关系的挖掘,对查找嫌犯线索和确认嫌犯间关系确有实效。在实现上,系统不仅利用并行线程技术保证了挖掘性能,还可以图形方式展示挖掘结果。 隐性关联搜索 本文定义了隐性关联这一概念,提出并实现了在动态网络中寻找隐性关系的新算法,算法首先在一系列事件数据中确定一组核心属性,并跟踪事件数据在这组核心属性上的演变,从而得到一张事件数据中事件发起人的关系网络图,即隐性关系网络图。更进一步地,通过过滤权值不高的关联,可以得到网络核心。经全球恐怖组织恐怖袭击的数据集验证,说明算法是有效的。 感性关联搜索 本文定义了感性关联这一概念,提出并实现了一种隐式协同方式寻找感性关系的方法,并在同具有社会网络特征的电子商务网站数据集上测试比较了简单次数叠加法、自然对数权重法和推荐节点数模糊优先法这三种不同的推荐筛选方法在不同时间衰减系数下的效果。这一系列工作为公安应用指出了一种方向。