Email群體分析技術(shù)研究.pdf

1、作為數(shù)字證據(jù)分析技術(shù)的一個(gè)重要組成部分，Email群體分析技術(shù)可以讓人們通過電子郵件這一媒介，間接地揭示社會群體中的社會關(guān)系。Email群體分析技術(shù)的主要思路是：通過分析Email群體網(wǎng)絡(luò)，勾勒出群體中成員個(gè)體之間的社會關(guān)系，比如分析Email群體的團(tuán)體結(jié)構(gòu)即Email群體分為哪些團(tuán)體以及哪些成員隸屬于哪個(gè)團(tuán)體，或者分析Email群體中各個(gè)成員所扮演的社會角色的重要性。網(wǎng)絡(luò)團(tuán)體結(jié)構(gòu)分析算法大體分為兩類，一類是分割式，另一類是聚合式。前者

2、是通過刪除連接不同團(tuán)體的中介邊而得到團(tuán)體，后者是通過對相似度較高的節(jié)點(diǎn)進(jìn)行聚合而得到團(tuán)體，一般前者的分析準(zhǔn)確性要高于后者。成員重要性分析算法往往根據(jù)某一個(gè)衡量指標(biāo)去評估所有成員的重要性，因?yàn)樗弥笜?biāo)比較單一且不能很好體現(xiàn)成員重要性，所以這些算法的準(zhǔn)確性不高。
　　 本文首先通過閱讀大量文獻(xiàn)對Email證據(jù)分析技術(shù)和網(wǎng)絡(luò)中的社會性關(guān)系分析方法進(jìn)行了深入了解，其中著重研究了各種現(xiàn)有團(tuán)體結(jié)構(gòu)檢測算法和網(wǎng)絡(luò)成員重要性分析方法，并對它們的

3、不足之處進(jìn)行了分析。然后在此基礎(chǔ)上在Email群體的團(tuán)體結(jié)構(gòu)檢測和成員重要性分析兩個(gè)方面提出了新的方法。
　　 首先為了檢測Email群體的團(tuán)體結(jié)構(gòu)，本文提出了一個(gè)新的分割式網(wǎng)絡(luò)團(tuán)體結(jié)構(gòu)檢測算法。一個(gè)好的分割式網(wǎng)絡(luò)團(tuán)體結(jié)構(gòu)檢測方法要具備兩個(gè)關(guān)鍵要素：一個(gè)準(zhǔn)確性高的邊中介性衡量指標(biāo)和一個(gè)嚴(yán)謹(jǐn)?shù)膱F(tuán)體性驗(yàn)證機(jī)制。所以首先，為了準(zhǔn)確地找出Email群體網(wǎng)絡(luò)中需要?jiǎng)h除的所有中介邊，本算法基于邊的中介-中心性，再引入Email網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)

4、之間的溝通頻率這一要素，制定了一個(gè)新的邊中介性衡量指標(biāo)：Mediumness，同時(shí)提出了本文的邊中介-中心性計(jì)算算法。然后，本章對團(tuán)體進(jìn)行了嚴(yán)謹(jǐn)?shù)亩x，用于對每次分割后得到的子圖進(jìn)行團(tuán)體性驗(yàn)證：如果一個(gè)子圖符合團(tuán)體定義，那它就是一個(gè)團(tuán)體；否則需要通過刪除它內(nèi)部的中介邊對它進(jìn)行分割。最后，在以上兩點(diǎn)的基礎(chǔ)上對此算法進(jìn)行了系統(tǒng)闡述。在實(shí)驗(yàn)階段，本文通過一系列隨機(jī)化規(guī)則構(gòu)建了四種仿真網(wǎng)絡(luò)圖，每種仿真圖具有20個(gè)實(shí)例，然后應(yīng)用本章算法和另一個(gè)分

5、割式團(tuán)體結(jié)構(gòu)檢測方法去檢測它們的團(tuán)體結(jié)構(gòu)，兩個(gè)算法的檢測結(jié)果表明本文算法更能準(zhǔn)確檢測出真實(shí)的團(tuán)體結(jié)構(gòu)；并且為了進(jìn)一步分析此算法在尋找中介邊時(shí)所用的邊中介性衡量指標(biāo)Mediumness的查找準(zhǔn)確性，本文通過調(diào)整構(gòu)圖參數(shù)新建了一批仿真圖，再應(yīng)用這兩個(gè)算法去檢測它們的團(tuán)體結(jié)構(gòu)，兩者檢測成功率的對比表明Mediumness在查找中介邊時(shí)有更高的準(zhǔn)確性。
　　 其次為了評估Email群體中每個(gè)成員的重要性，基于上述的Email群體團(tuán)體結(jié)構(gòu)