分布式社交网络结构、资源共享及迁移算法研究

The society has entered the era of mobile social networks, more attention is focused on people's social networking applications, but the lower on the social network architecture and service quality. Based on this question, starting from improving the performance of social networks, the project intends to study the overlay network topology, resource sharing and migration strategy. The follows will be done. The structure and evolution model of distributed hierarchical social network will be studied. The factors affecting the performance of a distributed social network will be explored, and the hierarchical node management and community group migration problems of distributed mobile social network will be discussed.

移动社交网络正融入我们的生活，渗透到社会各个角落。但是，人们的注意力更多地放在社交网络的应用层面，对社交网络的体系结构、使用成本、使用效率等问题关注较少。基于这个问题，本项目以提升社交网络服务质量为出发点，研究其覆盖网络拓扑结构、资源共享及迁移策略等问题。其内容如下：研究层次化的分布式社交覆盖网络结构及演化模型，提高其可用性；探讨影响分布式社交网络性能的因素，进而讨论分布式社交网络的层次化节点管理及社区群迁移问题。

本课题在深入分析研究现状的基础上，提出了分布式社交网络拓扑结构及演化模型；探讨了分布式社交网络的节点管理及资源共享与发现机制；验证了分布式社交网络下的资源服务效能，从而为下一代分布式社交网络的广泛应用奠定理论基础。围绕项目的研究内容，课题组先后有5名教师、4名博士生、6名硕士生参与项目研究，从分布式社交网络模型构建和隐私保护、社交网络结构平衡和节点影响力分析、资源高效存储与检索、数据预处理和数据挖掘、信息个性化推荐等方面设计了不同的高效算法，丰富了相关热点问题的解决办法。所取得的相关理论成果，共形成论文12篇，其中6篇被SCI、EI收录。主持人获得山东省自然科学学术创新奖。本课题研究成果主要包括：（1）提出了分布中心的社交网络模型（SEnD），建立了资源节点之间的关联，为分布式社交网络拓扑结构研究提供理论支持。（2）提出了基于聚类系数的局部度中心性社交网络节点影响力度量算法（CLC），有效实现节点影响力排序和最具影响力节点识别，为社交网络信息传播提供理论方法。（3）在网络结构演化方面，提出了基于仿真智能算法的符号网络不平衡度计算方法，实现对网络演化程度的快速判定。（4）提出一种高效的Flash动画内容特征提取方法（FLCFE），实现Flash文件中的元数据信息及内容特征的有效提取，为社交网络中的资源高效存储与检索提供方法支持。（5）研究了高效的数据预处理和数据挖掘算法，提出了一种改进的多数据流协同频繁项集挖掘算法，基于层次划分的密度优化聚类算法，基于聚类划分的高效用模式并行挖掘算法和基于巴氏系数和Jaccard系数的协同过滤算法。（6）研究了社交网络下的数据保护策略，提出了基于网格覆盖的社交网络位置数据的保护方法，在位置数据的隐私保护与可用性两方面之间取得较好的平衡。以上研究构建了了分布式社交网络的拓扑结构，展示了网络演化规律，提出了有效的资源存储、检索方法，可以对下一步社交网络的发展提供有效的指导。

内容获取失败，请点击重试