基于时间序列分析的社会网络异常检测改进

论文摘要

社会网络异常检测（SNCD）是一门新兴的研究领域，它综合了社会学、统计学等多种不同学科的知识。利用社会网络异常检测深入理解社会网络变化对于突发事件的预防有着重要的意义。由于社会网络测度与生产过程测度具有不同的特点，直接使用这些数据进行SPC质量控制可能会出现虚假报警的情况，导致控制精度的下降。为此，本文针对社会网络统计量的趋势性、周期性及自相关性现象进行了分析，提出利用时间序列分析的方法剔除这些因素使之满足过程控制的要求，然后利用常规控制图及CUSUM控制图对统计量数据进行控制及异常检测。根据异常检测结果并结合网络组织实际事件综合分析，可以更加精确地获得对社会网络异常变化的理解，确定异常变化的状态分类及异常原因。Enron邮件数据库是Enron公司破产前公司员工之间邮件通讯记录的数据库。本文利用Enron邮件数据库构建了员工社会网络组织，并统计近3年来网络的中介度、紧密度及度统计量，进行了异常的检测。通过实验结果与真实事件的比照，证实了该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 社会网络异常检测的研究意义
• 1.2 目前国内外的研究现状
• 1.3 研究思路及论文安排
• 第二章 社会网络分析理论
• 2.1 社会网络分析基本原理
• 2.2 社会网络的表示方法
• 2.2.1 社会网络图
• 2.2.2 社会关系矩阵
• 2.3 社会网络分析方法
• 2.4 社会网络的相关度量
• 2.4.1 点度（degree）
• 2.4.2 中介度（betweenness）
• 2.4.3 紧密度（closeness）
• 2.5 本章小结
• 第三章 SPC 及时间序列分析
• 3.1 SPC 及控制图原理
• 3.2 控制图分类
• 3.3 判异准则与判稳准则
• 3.3.1 判异准则
• 3.3.2 判稳准则
• 3.4 其他类型控制图
• 3.4.1 CUSUM 控制图
• 3.4.2 EWMA 控制图
• 3.5 时间序列分析方法
• 3.6 时间序列模型
• 3.6.1 平稳序列自回归移动平均（ARMA）模型
• 3.6.2 非平稳序列的确定性分析
• 3.6.3 非平稳序列的随机性分析
• 3.7 时间序列建模
• 3.7.1 平稳化处理及模型识别
• 3.7.2 参数估计
• 3.7.3 模型检验
• 3.7.4 模型优化与预测
• 3.8 本章小结
• 第四章 基于时间序列的社会网络异常检测改进
• 4.1 社会网络测度统计量数据预处理概述
• 4.2 基于时间序列分析的社会网络异常检测预处理
• 4.2.1 社会网络测度统计量趋势性因素剔除
• 4.2.2 社会网络测度统计量周期性因素剔除
• 4.2.3 社会网络测度统计量自相关性因素剔除
• 4.3 SPC 异常检测及参数设定
• 4.4 社会网络异常检测结果分析
• 4.5 本章小结
• 第五章 基于 Enron 邮件数据库的社会网络异常检测实验
• 5.1 Enron 邮件数据库简介
• 5.2 Enron 公司社会网络构建
• 5.3 社会网络测度统计量数据预处理
• 5.4 SPC 异常检测及分析
• 5.5 本章小结
• 第六章 总结
• 致谢
• 参考文献