基于社交网络的犯罪团伙发现研究

发布时间：2020-07-03 21:57

【摘要】：社交网络社区发现是复杂网络研究的一个重要分支,具有广泛的应用价值;发现犯罪团伙是公安机关侦查办案中的关键问题之一。但是,单独基于社会网络分析或基于属性聚类分析发现犯罪团伙的方法,均不能在大数据集中有效地对未知犯罪团伙进行发现和挖掘分析。由于犯罪团伙在社交网络中的表现一定是社交网络的社区,因此,本文先对社交网络数据进行社区划分,缩小团伙识别范围,再结合犯罪嫌疑人在社交网络中的结构相似度和属性等额外信息,研究了基于社交网络的犯罪团伙发现方法。论文主要工作包括:首先,针对社交网络的结构特点、犯罪团伙特点和团伙分析方法,提出了利用社交网络建模分析发现犯罪团伙的思路。其次,针对社区发现算法中的Louvain算法对真实社交网络划分存在节点移动时产生模块度增益的冗余计算问题,提出了基于预处理的改进Louvain算法,通过提前计算节点度储存邻接表,并对度数不同的节点进行分类判断处理,在不改变社区划分效果的前提下,提高对于大规模网络划分的效率。最后,基于改进Louvain算法的优点和大规模社交网络数据的结构特点,提出了结合拓扑相似度的团伙发现算法模型;通过社区发现和社交网络节点(实体人)属性信息,提出了结合属性信息的团伙发现算法模型。实验初步表明,改进后的Louvain算法可以提高社交网络社区划分的效率;利用结合拓扑相似度的团伙发现算法模型按照余弦相似性可以有效判别电信诈骗等类型的犯罪团伙;利用结合属性信息的团伙发现算法模型根据节点属性信息可进一步缩小和判定潜在的犯罪团伙。这些工作能为公安机关发现可疑犯罪团伙提供有效的理论和技术支撑。
【学位授予单位】：中国人民公安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D918.2
【图文】：

p k c其中 α 和 c 都是常数。这里的负号是非强制的，可以将其省略，但因图 3.1 中直线的斜率是负值，使用负号会很方便，如果取值为正，那么图3.1 中的斜率会相反。对公式3.1 的两侧同时做指数运算，可将对数关系记为公式3.2。（公式3.2）kp Ck 其中，C=ec也是一个常数。这种形式的分布，即按照k 的幂变化，称为幂律。根据图3.1 的实证，可以粗略地说明社交网络拓扑图中的度分布服从幂律。具有如图 3.1 所示幂律度分布的网络有时也称为无标度网络，当然也有很多网络不是无标度的，即其度分布不服从幂律，然而无标度网络是研究的重点，因为这些网络有一些很重要的性质。尤其对于大型社交网络

中国人民公安大学硕士学位论文( )，即经过对节点的遍历之后，一个社区中outiVK V之和，则称由这些节点组成的社区为弱社区。看作在复杂网络中各种节点具有一定的聚集性而构各领域学者运用基于子图局部定义，即社区结构是集合，每个集合中的节点边的连接数量都较多，而图 3.2 所示，图中的网络由 15 个节点与 21 条连边分后被分为三类，不同的节点颜色代表不同的社区稀疏，而社区内部节点的连边较为密集。

【相似文献】

相关期刊论文 前10条

1 陈健;周丽华;;大学生社交网络自我表露的实证研究[J];高校辅导员学刊;2018年06期

2 谭洪旭;袁帅;代连奇;任利峰;;浅谈社交网络对当代大学生的影响[J];产业与科技论坛;2018年24期

3 孙夏卿;;社交网络媒体对大学生赋权的价值体现[J];传播力研究;2018年31期

4 张晓飞;;以社交网络为基础的企业营销策略[J];商场现代化;2018年22期

5 孙国强;窦倩倩;张宝建;;西方社交网络研究进展与未来展望[J];情报科学;2019年02期

6 陈文泰;李卫东;;国际社交网络中“国家实在”传播与国家形象演化机制研究[J];新闻大学;2018年06期

7 孙晋;沈红;;社交网络群体性迷失现象分析[J];电脑知识与技术;2019年12期

8 邓华闯;项yN麟;周楠;周子清;;社交网络招聘有效性影响因素研究[J];中小企业管理与科技(上旬刊);2019年04期

9 王超琼;陈s

本文编号：2740229