1、隨著社會網絡的發(fā)展，人們的生活逐漸互聯(lián)網化，社交信息急劇膨脹，導致網絡數(shù)據規(guī)模呈現(xiàn)指數(shù)級別的增長，網絡已經融入了人們生活衣穿住行的各個方面;同時也在一些特定研究領域起著重要的作用，如在線社交網絡、疾病流行網絡、電力網絡等。
　　在新形勢下，如何以一種高效簡潔的方式來認知社交網絡顯得十分重要。現(xiàn)有的對大規(guī)模網絡的研究主要集中在圖分割、圖壓縮、社區(qū)發(fā)現(xiàn)等方面，這些研究只是為了解決網絡規(guī)模性的問題，難以達到認知的目的。CMU的Daina

2、i的VoG(Vovabulary of Graph)方法是基于圖詞匯字典方法的認知，該方法雖然可以對大規(guī)模圖數(shù)據進行認知，但是由于它對圖字典中單詞結構沒有進行劃分，而是將他們平等的對待，實際上單詞之間存在著從屬關系，導致在對社會網絡的認知中存在著結構認知失誤的情況。
　　本文的研究工作主要分為兩個方面，一是對大規(guī)模社會網絡的認知，二是在認知的基礎進行演化研究。1）在VoG算法的基礎上，依據關鍵結構子結構詞匯間的關聯(lián)關系對結構詞匯賦

3、予不同優(yōu)先級;首先采用社區(qū)發(fā)現(xiàn)的方法將原始圖數(shù)據分割為多個子社區(qū)，然后對每個子社區(qū)按照優(yōu)先級的大小來順序判斷子社區(qū)的結構并對其標簽化，最后對比Top-k和貪心方法來對最終獲取的關鍵結構進行認知。2）在發(fā)現(xiàn)關鍵結構的基礎上，本文也提出了權重法來衡量每天關鍵結構的變化。同時采用了權重法以及標準互信息(NMI，Normalized Mutual Information)方法對大規(guī)模社會網絡關鍵結構的演化性進行研究。
　　最終的實驗結果表