【摘要】：近年來隨著互聯網的蓬勃發(fā)展,社交網絡已成為各個領域的研究熱點,尤其是計算機領域。研究社交網絡中個體的社交活動可以充分地了解社交網絡結構的變化規(guī)律及信息傳播規(guī)律,這對于促進社交網絡的進一步發(fā)展具有重要的理論指導意義。社交網絡中的個體具有高度的能動性,個體的社交行為具有很強的隨機性,如個體關系產生、消亡等。充分研究社交網絡中這些隨機的特性,可以更好地發(fā)掘其中隱藏的、不可直接觀測的有用信息。目前,一些模型被用于研究社交網絡中的隨機性,如馬爾可夫鏈、隱馬爾可夫模型(Hidden Markov Model)、馬爾可夫隨機場和貝葉斯網絡等。并且形式化方法已被應用于社交網絡的隱私策略驗證、安全性驗證、事件檢測等方面,但這些研究大都沒有考慮到社交網絡的隨機性,特別是使用HMM來研究其中潛藏的隨機性。本文提出一種基于時序邏輯程序設計語言(Modeling Simulation and Verification Language,MSVL)研究社交網絡中概率性質的方法,將HMM與MSVL相結合來研究社交網絡的隨機性。該方法的具體流程是:首先,確定模型中的隱狀態(tài)和觀測狀態(tài)并根據需求獲取數據集,再對數據集進行離散化處理并采用監(jiān)督學習或者非監(jiān)督學習的算法對數據集進行訓練,得出HMM;然后,用MSVL對該模型及相關算法如Viterbi、forward等進行實現并輸入測試數據集,來得出與用戶隨機行為相關的概率信息;最后,用命題投影時序邏輯(Propositional Projection Temporal Logic,PPTL)對用戶概率的性質進行描述,并采用統(tǒng)一模型檢測方法在MC編譯器中對性質進行驗證和分析。另外,通過新浪微博和動物社交網絡兩個實例分析來說明方法的有效性。第一個實例將用戶間的交互行為視為觀測狀態(tài),將用戶間的關系強度視為隱狀態(tài),使用隱馬爾可夫模型進行建模并用MSVL對其進行實現;然后用PPTL描述用戶交互行為和關系強度兩類概率的性質;最后在MC編譯器中進行驗證、分析并與其它工具進行對比。第二個實例通過魚群運動過程中的速度來研究魚群中個體的社交行為,將魚群中個體的游泳速度視為觀測狀態(tài),將該個體周圍魚的平均游泳速度視為隱狀態(tài),使用隱馬爾可夫模型進行建模并用MSVL對其進行實現;然后用PPTL公式描述魚社交行為概率的性質;最后在MC編譯器中進行驗證、分析并與其它工具進行對比。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP393.09
【圖文】：

性質不滿足

出其中的一個模型，仿真結果被輸出在 MC 編譯器的結果輸出框中，圖 4.5 仿真結果上就是建模與仿真的結果。由于建模是考慮到程序中所有的路徑，所狀態(tài)數很多。仿真則只是找出程序中一條可滿足的路徑，所以可以方程序的執(zhí)行情況。、性質驗證小節(jié)通過 MC 編譯器對 4.2 節(jié)中提出的 3 個性質進行驗證。若性質滿會給出相關的提示。若不滿足，MC 編譯器會給出一條反例路徑。在 入 MSVL 程序和待驗證的性質，點擊工具欄中的驗證按鈕即開始驗例，在 MC 編譯器中輸入性質的界面如圖 4.6 所示。

【相似文獻】

相關期刊論文 前10條

1 陳健;周麗華;;大學生社交網絡自我表露的實證研究[J];高校輔導員學刊;2018年06期

2 譚洪旭;袁帥;代連奇;任利峰;;淺談社交網絡對當代大學生的影響[J];產業(yè)與科技論壇;2018年24期

3 孫夏卿;;社交網絡媒體對大學生賦權的價值體現[J];傳播力研究;2018年31期

4 張曉飛;;以社交網絡為基礎的企業(yè)營銷策略[J];商場現代化;2018年22期

5 孫國強;竇倩倩;張寶建;;西方社交網絡研究進展與未來展望[J];情報科學;2019年02期

6 陳文泰;李衛(wèi)東;;國際社交網絡中“國家實在”傳播與國家形象演化機制研究[J];新聞大學;2018年06期

7 孫金銘;吳s我

本文編號：2782205