余 韋 朱夢麗 李紅巖 余 娜 李曉明 楊小平

(浙江越秀外國語學院國際商學院 紹興 312069)

0 引 言

近年來，復雜網(wǎng)絡(luò)科學相關(guān)理論廣泛應(yīng)用于解決社會復雜系統(tǒng)中的各類問題，如城市道路交通擁堵疏通[1]、病毒或謠言傳播控制[2]、個性化推薦[3]、情報分析[4]等。面對這些實際問題，復雜網(wǎng)絡(luò)科學的有效性越來越得到體現(xiàn)，尤其在情報分析領(lǐng)域，如重點人員識別[5]、關(guān)系預測[6]、行為預測[7]、異常檢測[8]、事件檢測/預測[9]等。其中，邁阿密大學Wuchty教授團隊[4]研究發(fā)現(xiàn)敘利亞科巴內(nèi)遭遇恐怖突襲事件與巴西爆發(fā)大規(guī)?？棺h運動事件在發(fā)生的當天均導致社交網(wǎng)絡(luò)社區(qū)演化發(fā)生突變。其工作的亮點是基于人的關(guān)系挖掘出關(guān)于事的情報信息，從網(wǎng)絡(luò)分析層面指出了遏制恐怖主義發(fā)展的方法，為反恐人員指明了情報分析研究方向。同時，證實了復雜網(wǎng)絡(luò)分析方法可有效解決社會復雜系統(tǒng)中的事件檢測問題，為情報分析方法提供了可靠的思路。

在現(xiàn)實生活中，很多情況下所能獲取的數(shù)據(jù)往往只是簡單描述人類行為的關(guān)系型數(shù)據(jù)(如社會網(wǎng)絡(luò))，并不能洞察其中的異常行為，這給情報分析工作帶來了巨大挑戰(zhàn)。例如，公安機關(guān)所能獲得的手機數(shù)據(jù)，往往只包含用戶之間的通信關(guān)系信息，即使犯罪分子之間發(fā)生異常通信行為也難以發(fā)現(xiàn)。而社會網(wǎng)絡(luò)可表征著現(xiàn)實生活中復雜多變的關(guān)系型數(shù)據(jù)，基于復雜網(wǎng)絡(luò)分析方法研究社會網(wǎng)絡(luò)的內(nèi)在結(jié)構(gòu)，挖掘社會系統(tǒng)中的情報信息，是目前復雜網(wǎng)絡(luò)應(yīng)用研究領(lǐng)域的重要研究方向[10]。其中，尤為令人期待的是，如何基于動態(tài)復雜網(wǎng)絡(luò)[11]分析方法，探究社會復雜網(wǎng)絡(luò)演化模式，發(fā)現(xiàn)真實事件發(fā)生征兆，追蹤事件演化趨勢，以獲得事件的重要情報信息。這些情報信息一方面有助于相關(guān)職能部門及時有效地掌控事件發(fā)展態(tài)勢，另一方面可輔助決策者進行信息不完備情境下的戰(zhàn)略決策。

據(jù)此，本文面向社會復雜系統(tǒng)中的情報分析場景，關(guān)注于復雜網(wǎng)絡(luò)動態(tài)演化分析下的事件檢測應(yīng)用，挑選兩個典型真實場景下的動態(tài)社會網(wǎng)絡(luò)，基于前沿的動態(tài)社區(qū)演化模型展開了事件檢測實證研究。具體地，爬取主流社交媒體平臺中的非結(jié)構(gòu)化數(shù)據(jù)，抽取社會復雜體系中實體間的復雜關(guān)系，構(gòu)建動態(tài)社會網(wǎng)絡(luò)。進一步，應(yīng)用動態(tài)社區(qū)演化模型，分別基于“美國Enron公司破產(chǎn)”與“‘司馬3忌’舉報韓紅基金會”典型場景下的動態(tài)社會網(wǎng)絡(luò)，挖掘社會網(wǎng)絡(luò)社區(qū)演化模式，并分析社區(qū)演化突變與其背后真實事件的對應(yīng)關(guān)系。

1 相關(guān)研究

大量復雜網(wǎng)絡(luò)分析方法，如關(guān)鍵節(jié)點識別[12]、鏈路預測[13]、異常檢測[14]、社區(qū)檢測[15]等，成功應(yīng)用于各類情報分析問題，有效促進了情報分析的發(fā)展。本節(jié)主要針對復雜網(wǎng)絡(luò)分析在情報分析問題中的應(yīng)用研究展開綜述性介紹。

關(guān)鍵節(jié)點識別的方法能夠根據(jù)復雜網(wǎng)絡(luò)拓撲結(jié)構(gòu)，挖掘出其中具有重要作用的節(jié)點，通常被應(yīng)用于挖掘社會復雜系統(tǒng)中具有關(guān)鍵作用或重要影響力的個體或群體等。例如，Taha等[5]基于移動通訊網(wǎng)絡(luò)識別出犯罪團伙中核心人物；Ozgul等[16]基于恐怖組織網(wǎng)絡(luò)識別出其中關(guān)鍵成員；Bright等[17]基于多關(guān)系網(wǎng)絡(luò)識別了毒品交易網(wǎng)絡(luò)中的重要人員；Hung等[18]基于社會網(wǎng)絡(luò)識別出具備重要傳播影響力人員；Yu等[19]基于社會網(wǎng)絡(luò)識別出貢獻最大的領(lǐng)導者。鏈路預測的方法能夠根據(jù)現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)，預測缺失或未來的鏈接，通常被應(yīng)用于預測實體間存在的隱藏關(guān)系或是即將產(chǎn)生的關(guān)系。例如，Lim等[20]面向犯罪人員網(wǎng)絡(luò)，基于前沿的深度強化學習方法提出了鏈路預測模型，預測出了犯罪人員隱藏關(guān)系；Hu等[21]首次從鏈路預測的角度提出了一種混合量子群智能索引方法(HQSII)，有效地融入了網(wǎng)絡(luò)節(jié)點演化信息，實現(xiàn)了情報分析中的事件檢測。

異常檢測的方法通常是針對網(wǎng)絡(luò)結(jié)構(gòu)信息，以發(fā)現(xiàn)網(wǎng)絡(luò)中的異常節(jié)點、異常子圖或異常演化等，通常應(yīng)用于情報分析中的事件檢測、異常群體發(fā)現(xiàn)、異常個體識別等。例如，Moriano等[22]通過研究動態(tài)社區(qū)之內(nèi)和之間的節(jié)點演化規(guī)律，發(fā)現(xiàn)其中演化異常以檢測動態(tài)過程中的事件；Neil等[23]基于掃描統(tǒng)計量的方法在線檢測流量信息結(jié)構(gòu)的異常，發(fā)現(xiàn)網(wǎng)絡(luò)入侵者。

社區(qū)檢測的方法通常基于網(wǎng)絡(luò)拓撲結(jié)構(gòu)信息，發(fā)現(xiàn)具有內(nèi)部鏈接緊密外部鏈接稀疏的子圖，通常應(yīng)用于發(fā)現(xiàn)具有相似屬性的群體。例如，Liu等[24]發(fā)現(xiàn)各個科研方向的研究群體，并可追蹤其演化規(guī)律，把控科學研究的發(fā)展方向，預測科研方向的發(fā)展趨勢；Johnson等[4]基于社交網(wǎng)絡(luò)，發(fā)現(xiàn)恐怖組織在線支持者群體，進一步分析其演化規(guī)律，有效地支持恐怖事件檢測。

2 實證實驗設(shè)置

2.1事件描述為了介紹本文實證研究的事件背景，本節(jié)針對本文所研究的兩類事件中的兩個典型真實事件展開了詳細調(diào)查，具體描述如下：

2.1.1 Enron公司破產(chǎn)事件 美國Enron公司曾是世界上最大的能源、商品和服務(wù)的公司之一，名列《財富》雜志“美國500強”的第7位。然而，2001年12月2日，Enron公司突然向紐約破產(chǎn)法院申請破產(chǎn)保護，該案成為美國歷史上企業(yè)第二大破產(chǎn)案。為了證實本課題提出的動態(tài)社區(qū)演化模型在情報分析方面的有效性，面向Enron公司員工的真實郵件通訊網(wǎng)絡(luò)—Enron-Email，通過動態(tài)社區(qū)演化模型檢測Enron-Email網(wǎng)絡(luò)的動態(tài)社區(qū)演化過程中的演化模式，以檢測演化的異常時間點，并驗證Enron公司在異常時間點的發(fā)生重大事件。

2.1.2 “司馬3忌”舉報韓紅慈善基金會事件 2020年2月，網(wǎng)名為 “司馬3忌”(真名：楊宏偉)的大V在新浪微博上公開舉報韓紅慈善基金會存在私自接收民眾善款的行為，在網(wǎng)上引起熱議。截止2月19日，“司馬3忌”一共寫了《明人不做暗事》等16篇文章，炮轟韓紅基金會“完全不透明”，聲稱“在韓紅的基金會信息公開層面，別說你找不到一包方便面，就是捐進去一頭大象，你也別想找到”。對此，網(wǎng)民們也眾說紛紜，很多舉報支持者與反對者，在網(wǎng)上掀起了輿論的熱潮。對此，我們爬取了關(guān)于“‘司馬3忌’舉報韓紅慈善基金會”事件的騰訊微博帖子，構(gòu)建了微博轉(zhuǎn)發(fā)網(wǎng)絡(luò)、評論網(wǎng)絡(luò)以及點贊等動態(tài)網(wǎng)絡(luò)，并基于本文提出的動態(tài)社區(qū)演化模型，挖掘了動態(tài)網(wǎng)絡(luò)的動態(tài)社區(qū)結(jié)構(gòu)及演化模式，發(fā)現(xiàn)了輿論中話題的演化過程，并證實了社會網(wǎng)絡(luò)結(jié)構(gòu)演化突變的驅(qū)動力來源于背后的真實事件。

2.2數(shù)據(jù)描述針對以上兩個真實事件的實證研究需求，收集對應(yīng)事件的數(shù)據(jù)集，并構(gòu)建相應(yīng)的動態(tài)社會網(wǎng)絡(luò)。相應(yīng)數(shù)據(jù)集具體描述如下：

數(shù)據(jù) I：針對Enron公司假賬被調(diào)查之后，聯(lián)邦監(jiān)管委員會公布了Enron公司的大量電子郵件[22]，包括184名公司員工在1991年1月1日至2002年4月30日期間的125 000封電子郵件數(shù)據(jù)。本節(jié)以Enron公司2001年中12個月的郵件數(shù)據(jù)，以公司員工為節(jié)點，郵件通信關(guān)系為邊，1個月為時間間隔，構(gòu)建了動態(tài)通訊網(wǎng)絡(luò)為實例，基于ONMF-EEP模型進行動態(tài)社區(qū)挖掘，并檢測背后的演化異常時間點。如圖1所示，給出了2001年10月份Enron公司的網(wǎng)絡(luò)結(jié)構(gòu)及社區(qū)劃分的可視化圖。從圖上來看，該網(wǎng)絡(luò)快照具有14個社區(qū)結(jié)構(gòu)(不同灰度代表不同社區(qū))，且圖中圓點的大小代表節(jié)點的節(jié)點度的大小。

圖1 2001年10月份Enron公司郵件通訊網(wǎng)絡(luò)結(jié)構(gòu)及社區(qū)劃分的可視化圖

數(shù)據(jù) II：針對新浪微博熱點話題——司馬3忌舉報韓紅基金會事件，爬 取了2020年2月6日至2020年3月2日 (共計26天) 的新浪微博相關(guān)發(fā)帖數(shù)據(jù)，共涉及13 780條微博發(fā)帖數(shù)據(jù)文件，包括原帖數(shù)據(jù)、轉(zhuǎn)貼數(shù)據(jù)、評論數(shù)據(jù)以及點贊數(shù)據(jù)。數(shù)據(jù)中，主要字段包括：a.微博鏈接、發(fā)帖時間、發(fā)帖內(nèi)容、用戶id、用戶昵稱、轉(zhuǎn)發(fā)數(shù)量、評論數(shù)量、點贊數(shù)量；b.轉(zhuǎn)貼時間、轉(zhuǎn)貼用戶id、轉(zhuǎn)貼用戶昵稱、轉(zhuǎn)貼內(nèi)容；c.評論時間、評論用戶id、評論用戶昵稱、評論內(nèi)容；d.點贊時間、點贊id、點贊用戶昵稱。其中，遴選出9868條高質(zhì)量微博帖子的相關(guān)數(shù)據(jù)，涉及微博用戶共計8 099個賬戶，涉及關(guān)系類型包括轉(zhuǎn)貼、評論、點贊3類，共計54 692條關(guān)系記錄，其中轉(zhuǎn)貼、評論、點贊分別為：13 115，15 241，25 835條記錄。

表1 主要符號說明

本文選取前沿的動態(tài)社區(qū)演化模型框架ONMF-EEP[25]，進行真實事件場景實證研究。具體地，ONMF-EEP模型假設(shè)動態(tài)社區(qū)結(jié)構(gòu)每對相鄰快照間各服從一種局部演化模式LEP，而所有快照間隱藏著同一個全局演化模式GEP。根據(jù)該假設(shè)，ONMF-EEP可構(gòu)造為以下兩步(見圖2)：

圖2 ONMF-EEP模型框架示意圖

步驟1: LEP提取。使用擴展的ONMF，在正交約束下H(t)TH(t)=I，獲得每個網(wǎng)絡(luò)快照的低維表示H(t)。同時，基于演化聚類[19]的思想結(jié)合K×K維的LEP表示矩陣序列Z(t-1)(t=2…T)用于刻畫社區(qū)演化光滑約束。

步驟2: GEP提取。為了獲取動態(tài)網(wǎng)絡(luò)隱藏的GEP，融合步驟獲取的各快照LEP表示矩陣序列，使用ONMF模型提取一個全局共享GEP表示矩陣Z。

方法的核心思想是最小化Z和每個Z(t-1)的距離和。以下選用正交SymNMF(ONMF)為例拓展到ONMF-EEP模型，用于動態(tài)復雜網(wǎng)絡(luò)中的社區(qū)演化建模。根據(jù)文獻[25]，基于梯度下降的優(yōu)化方法，可得步驟1中模型的優(yōu)化規(guī)則為：

(1)

Z(t)←H(t)TH(t+1)

(2)

其中，α是平衡參數(shù)，通?；谥貜蛯嶒灥慕?jīng)驗以獲得較優(yōu)參數(shù)。同理，基于梯度下降的優(yōu)化方法，可得步驟2中模型的優(yōu)化規(guī)則為：

Z←Z⊙

(3)

其中，β是平衡參數(shù)，同樣基于重復實驗的經(jīng)驗以獲得較優(yōu)參數(shù)。

具體地，參照模型ONMF-EEP，設(shè)置方法輸入為：動態(tài)網(wǎng)絡(luò)鄰接矩陣A(t)(t∈[1,T])；參數(shù)設(shè)置α=10和β=0.4；社區(qū)個數(shù)K設(shè)置為N/8取整。ONMF-EEP的輸出包括社區(qū)局部演化矩陣式Z(t)、社區(qū)全局演化矩陣Z、社區(qū)隸屬度矩陣H(t)?；诠?/p>

(4)

解析H(t)以獲得各個快照的節(jié)點社區(qū)標簽向量C(t)(t∈[1,T])，即實現(xiàn)動態(tài)社區(qū)發(fā)現(xiàn)。然而，Z(t)和Z分別表示局部演化模式和全局演化模式。因此，根據(jù)等式

(5)

可得表示社區(qū)結(jié)構(gòu)演化強弱得指標D(Z(t),Z)。

另外，考慮到網(wǎng)絡(luò)演化不但包括本文所關(guān)注的社區(qū)結(jié)構(gòu)演化，而且包括整體的拓撲演化，如網(wǎng)絡(luò)度的演化。據(jù)此，構(gòu)造一種綜合的網(wǎng)絡(luò)結(jié)構(gòu)演化強度指標(Evolution Weight, Ew)，具體定義如下：

Ew(t)=σ·norm(D(Z(t),Z)+(1-σ)·norm(Dnet)

(6)

式中norm(·)表示歸一化，D(Z(t),Z)是社區(qū)演化強度指標，Dnet則是網(wǎng)絡(luò)的平均度，且σ表示比例參數(shù)(默認設(shè)為0.5)。

3 實證實驗與討論

本文針對真實社會復雜系統(tǒng)中的兩個典型場景，構(gòu)建了對應(yīng)的動態(tài)社會網(wǎng)絡(luò)，應(yīng)用本課題的動態(tài)社區(qū)演化模型挖掘了隱藏在事件背后的動態(tài)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)演化模式，驗證了社會網(wǎng)絡(luò)演化突變與真實事件發(fā)生的對應(yīng)關(guān)系。本節(jié)具體描述實驗過程，展示了實驗結(jié)果，并進行相應(yīng)的討論分析。

3.1場景一：美國Enron公司破產(chǎn)案為了證實ONMF-EEP模型在情報分析方面的有效性，面向真實世界的郵件通訊網(wǎng)絡(luò)數(shù)據(jù)(見數(shù)據(jù)I)，構(gòu)建了動態(tài)郵件通訊網(wǎng)絡(luò)，通過ONMF-EEP檢測Enron-Email網(wǎng)絡(luò)的動態(tài)社區(qū)演化過程中的演化模式，以檢測演化的異常時間點，并驗證Enron公司在異常時間點的發(fā)生重大事件。

圖3為演化強度Ew值從2001年2月到12月的變化曲線圖。圖中給出了中位線和均值線，在8、10和12月具有較大的Ew值，可視為演化異常。通過求證，發(fā)現(xiàn)造成這個演化異常是由以下3件事所驅(qū)動的：a.8月3日Skilling發(fā)表了一個公開言論，且當日下午解雇了300名員工；b.10月16日Enron公司報告第三季度虧損了6.18億美元，并宣稱從其資產(chǎn)負債表中扣除10.1億美元的非經(jīng)常性支出，且在當日分析師會議上Lay也宣稱削減12億美元的股東權(quán)益；c.12月2日Enron公司根據(jù)美國破產(chǎn)法第11章申請破產(chǎn)保護，這成為美國歷史上第二大破產(chǎn)案。出乎意料的是在2月份也具有較大的Ew值，造成這個現(xiàn)象的原因很可能是ONMF-EEP挖掘快照1到2的演化模式時，利用到快照1中的社區(qū)結(jié)構(gòu)信息。而由于快照1缺少歷史網(wǎng)絡(luò)信息，ONMF-EEP所獲得的快照1的社區(qū)結(jié)構(gòu)精度難以保證?？傊琌NMF-EEP獲得的演化模式可用于演化異常檢測，能夠應(yīng)用于社會復雜系統(tǒng)中的事件檢測，體現(xiàn)了其在情報分析方面的有效性。

圖3 Enron公司破產(chǎn)場景下郵件通信網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)演化分析

3.2場景二：“司馬3忌”舉報韓紅慈善基金會為了驗證真實事件的發(fā)生與群體關(guān)系結(jié)構(gòu)的演化突變之間的對應(yīng)關(guān)系，本節(jié)構(gòu)建新浪微博用戶之間的動態(tài)關(guān)系網(wǎng)絡(luò)，基于動態(tài)社區(qū)演化模型ONMF-EEP，挖掘事件驅(qū)動下社會關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)社區(qū)結(jié)構(gòu)及其演化模式。針對新浪微博熱點話題“司馬3忌”舉報韓紅基金會事件，基于爬取的新浪微博相關(guān)發(fā)帖數(shù)據(jù)(見數(shù)據(jù)II)，分別構(gòu)建了熱詞共現(xiàn)動態(tài)網(wǎng)絡(luò)、互動關(guān)系動態(tài)網(wǎng)絡(luò)、評論關(guān)系動態(tài)網(wǎng)絡(luò)、點贊關(guān)系動態(tài)網(wǎng)絡(luò)以及多關(guān)系動態(tài)網(wǎng)絡(luò)；進一步地，基于動態(tài)社區(qū)演化模型ONMF-EEP，挖掘各個動態(tài)網(wǎng)絡(luò)的動態(tài)社區(qū)結(jié)構(gòu)及其動態(tài)演化模式，分析事件下輿情發(fā)展演化模式，為相關(guān)職能部門的輿情追蹤提供有力的情報信息。

3.2.1 熱詞共現(xiàn)動態(tài)網(wǎng)絡(luò)分析 為了挖掘“司馬3忌”舉報韓紅慈善基金會場景下輿情的主題(高熱主題如圖4(a))及其演化趨勢，構(gòu)建了熱詞共現(xiàn)動態(tài)網(wǎng)絡(luò)，并基于ONMF-EEP模型，從復雜網(wǎng)絡(luò)分析的角度分析了輿情演化的情報信息。具體地，首先，基于python工具包jieba(https://pypi.org/project/jieba/)對所有微博帖子內(nèi)容進行切詞處理，刪除停用詞，并計算各個關(guān)鍵詞的tfi/df值且排序。然后，截取最高的500個高頻關(guān)鍵詞作為網(wǎng)絡(luò)的節(jié)點(詞云如圖4(b)所示)，抽取帖子中高頻關(guān)鍵詞之間的共現(xiàn)關(guān)系(共同出現(xiàn)在同一個帖子中)。最后，以高頻500關(guān)鍵詞為節(jié)點，以共現(xiàn)關(guān)系為邊，以1天為時間間隔，構(gòu)建了1個連續(xù)26切片的詞共現(xiàn)關(guān)系動態(tài)復雜網(wǎng)絡(luò)Net.1。

(a)

(b)

進一步，基于ONMF-EEP，檢測詞共現(xiàn)關(guān)系動態(tài)復雜網(wǎng)絡(luò)Net.1的社區(qū)結(jié)構(gòu)，以挖掘其中的熱點話題及其演化模式。由于篇幅限制，本文只給出了“司馬3忌”舉報韓紅愛心慈善基金會過程中最為關(guān)鍵的4個快照(2020年2月13日-2020年2月16日)的動態(tài)社區(qū)結(jié)構(gòu)(如圖5所示)，對應(yīng)于Net.1中的第8～11個網(wǎng)絡(luò)切片。從圖中來看，每個詞代表一個節(jié)點，且詞的大小由節(jié)點的度決定。事實上，這里每個社區(qū)其實就代表著新浪微博中的一個熱點話題，通過分析解析圖中社區(qū)的節(jié)點語義，各社區(qū)的話題可總結(jié)為如下：

No.1：討論“司馬3忌”舉報韓紅慈善愛心基金會；

No.2：贊揚韓紅多年從事愛心慈善事業(yè)；

No.3：支持韓紅愛心慈善基金會；

No.4：宣傳韓紅團隊抗擊疫情；

No.5：韓紅慈善基金會往武漢捐款；

No.6：韓紅慈善基金會被舉報挪用雅安地震善款；

No.7：網(wǎng)民回復/謾罵“司馬3忌”(楊宏偉)

從圖5中來看，社區(qū)結(jié)構(gòu)發(fā)生了較為劇烈的演化。具體地，從2020年2月13日(見圖5(a))到2020年2月14日(見圖5(b)，社區(qū)No.1和社區(qū)No.3合并為同社區(qū)No.1，社區(qū)No.6消失，且衍生出社區(qū)No.7。經(jīng)調(diào)查發(fā)現(xiàn)，造成這個原因可能是因為2020年2月13日“司馬3忌”首次在新浪微博上公開給北京市民政局發(fā)布關(guān)于韓紅愛心慈善基金會違法的《舉報材料》。這一舉動引起了的網(wǎng)民熱議，導致熱點話題發(fā)生變化，在共次關(guān)系網(wǎng)絡(luò)中表現(xiàn)出來的則是網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)發(fā)生演化。從2020年2月14日(見圖5(b))到2020年2月15日(見圖5(c))，受到《舉報材料》的沖擊，輿情繼續(xù)升溫導致社區(qū)結(jié)構(gòu)不穩(wěn)定，繼而社區(qū)No.1發(fā)生分裂，一部分節(jié)點加入了社區(qū)No.2，另一部分節(jié)點則又回到了社區(qū)No.3；社區(qū)No.5和社區(qū)NO.7合并為社區(qū)No.5，同時衍生出社區(qū)No.4。從2020年2月15日(見圖5(c))到2020年2月16日(見圖5(d))，社區(qū)No.2和社區(qū)No.3轉(zhuǎn)出大量節(jié)點又重新形成了社區(qū)No.1，且大量節(jié)點轉(zhuǎn)入社區(qū)No.5使之繼續(xù)壯大。造成這個劇烈演化的原因，很可能是因為“司馬3忌”繼續(xù)發(fā)布了《補充舉報材料》的帖子，引發(fā)了網(wǎng)絡(luò)們的連續(xù)質(zhì)問，產(chǎn)生了巨大的聲浪。

(a) 2020年02月13日切片網(wǎng)絡(luò) (b) 2020年02月14日切片網(wǎng)絡(luò)

(c) 2020年02月15日切片網(wǎng)絡(luò) (d) 2020年02月16日切片網(wǎng)絡(luò)

3.2.2 社交關(guān)系動態(tài)網(wǎng)絡(luò)分析 為了驗證真實事件的發(fā)生與群體關(guān)系結(jié)構(gòu)的演化突變之間的對應(yīng)關(guān)系，構(gòu)建新浪微博用戶之間的動態(tài)關(guān)系網(wǎng)絡(luò)，基于本課題的動態(tài)社區(qū)演化模型，挖掘事件驅(qū)動下社會關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)社區(qū)結(jié)構(gòu)及其演化模式。具體地，抽取微博數(shù)據(jù)中的微博用戶動態(tài)關(guān)系：轉(zhuǎn)貼關(guān)系(用戶轉(zhuǎn)載另一用戶的帖子)、評論關(guān)系(用戶評論另一用戶的帖子或評論)和點贊關(guān)系(用戶點贊另一用戶的帖子或評論)，以用戶為節(jié)點，以一天為時間間隔切片，分別構(gòu)建了轉(zhuǎn)貼關(guān)系動態(tài)網(wǎng)絡(luò)Net.2、評論關(guān)系動態(tài)網(wǎng)絡(luò)Net.3、點贊關(guān)系動態(tài)網(wǎng)絡(luò)Net.4。由于社會網(wǎng)絡(luò)的過于稀疏，進而將Net.2、Net.3和Net.4融合構(gòu)建了一個統(tǒng)一的多關(guān)系動態(tài)網(wǎng)絡(luò)Net.5。

圖6中展示了動態(tài)網(wǎng)絡(luò)Net.2～5從2020年2月6日至2020年3月2日期間結(jié)構(gòu)演化強度Ew(t)的值。從圖中來看，在2月16日，Ew(t)值有明顯的凸起，這主要是因為02月13日“司馬3忌”首次在新浪微博上公開給北京市民政局發(fā)布關(guān)于韓紅愛心慈善基金會違法的《舉報材料》，并在2月14、15和16日產(chǎn)生了大量轉(zhuǎn)載、評論、回復等，且其在16日又發(fā)布了《舉報材料》的補充材料。整個過程使得新浪微博上輿情暴熱，同時驅(qū)動著社會網(wǎng)絡(luò)結(jié)構(gòu)演化突變，即造成16日演化強度激增。另外，圖中顯示在2月22日網(wǎng)絡(luò)結(jié)構(gòu)演化也出現(xiàn)一個小凸起，而這很可能是因為2月20日至02月22日“司馬3忌”多次發(fā)布《行政復議申請意見》的相關(guān)帖子，引起了網(wǎng)民們的熱議。同理，圖中2月26日網(wǎng)絡(luò)結(jié)構(gòu)演化強度的小凸起，正是“司馬3忌”多次發(fā)布韓紅愛心慈善基金會2018年度財務(wù)審計的相關(guān)帖子，同樣掀起一波熱浪?？傊鐣W(wǎng)絡(luò)結(jié)構(gòu)的演化突變總是對應(yīng)著背后的真實事件，即事件驅(qū)動著社會網(wǎng)絡(luò)結(jié)構(gòu)突變。

圖6 “司馬3忌”舉報韓紅愛心慈善基金事件下動態(tài)社會網(wǎng)絡(luò)結(jié)構(gòu)演化分析

4 總結(jié)與展望

本文針對復雜社會系統(tǒng)中的真實場景，應(yīng)用前沿動態(tài)社區(qū)演化模型，提出了一種動態(tài)社會網(wǎng)絡(luò)演化強度量化方法。具體地，首先分別面向公開郵件數(shù)據(jù)集和爬取的微博數(shù)據(jù)集，構(gòu)造了5個動態(tài)社交網(wǎng)絡(luò)；然后選用一個前沿的動態(tài)社區(qū)演化模型ONMF-EEP，分別挖掘出相應(yīng)的動態(tài)社區(qū)演化模式；最后基于本文構(gòu)造的動態(tài)網(wǎng)絡(luò)演化強度量化指標,利用獲取的動態(tài)社區(qū)演化模式分別計算相應(yīng)網(wǎng)絡(luò)演化強度趨勢曲線，驗證演化突變與事件發(fā)生的對應(yīng)關(guān)系。以上5個動態(tài)社交網(wǎng)絡(luò)的實驗結(jié)果，有效驗證了復雜社會關(guān)系結(jié)構(gòu)驟變預示著事件的發(fā)生，同時也驗證了動態(tài)社區(qū)演化模型在事件檢測問題上的有效性，此為情報分析中的事件檢測研究問題提供了新思路。

另外，本文的研究仍存在不足：該方法雖然從實證的角度應(yīng)用動態(tài)復雜網(wǎng)絡(luò)分析方法實現(xiàn)了真實事件征兆預測，但僅僅只是時間維度上的征兆識別。如何基于動態(tài)復雜網(wǎng)絡(luò)分析方法挖掘復雜社會網(wǎng)絡(luò)中的情報信息，同時洞悉事件的發(fā)生時間及類別？該問題研究具有更為重大的研究意義和應(yīng)用價值，能夠智能地為相關(guān)職能部門提供更為精準的情報信息，這也是我們將來要進一步研究的重要內(nèi)容。