一種基于社團(tuán)演化的組織行為異常檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于組織動態(tài)分析領(lǐng)域，具體涉及一種基于社團(tuán)演化的組織行為異常檢測 算法，適用于對組織行為進(jìn)行分析。
【背景技術(shù)】
[0002] 組織是指具有緊密聯(lián)系的社會個體構(gòu)成的團(tuán)體，組織是動態(tài)演化的，其功能依賴 于組織成員間的協(xié)助和交互。以社會組織為例，隨著信息技術(shù)的快速發(fā)展以及全球化趨勢 的愈加深入，社會組織內(nèi)部聯(lián)系更加緊密，組織間的依賴日益加強(qiáng)，在帶來便利和效率提升 的同時，也使得局部的變化一旦產(chǎn)生就會產(chǎn)生大范圍級聯(lián)效應(yīng)。比如在經(jīng)濟(jì)領(lǐng)域中美國次 貸危機(jī)的爆發(fā)波及到了世界范圍的經(jīng)濟(jì)體，社會安全領(lǐng)域中各類恐怖事件連環(huán)發(fā)生嚴(yán)重影 響了正常的社會秩序等。因此如何根據(jù)所掌握的信息準(zhǔn)確描述組織演化動態(tài)，并快速地發(fā) 現(xiàn)其中的異常變化顯得十分重要。組織演化行為依賴于并體現(xiàn)在組織成員間的交互上，由 此形成的組織網(wǎng)絡(luò)包含著組織成員間物質(zhì)、信息或能量的交互信息，所以可以將組織網(wǎng)絡(luò) 作為研究組織行為的載體，應(yīng)用網(wǎng)絡(luò)科學(xué)的方法對組織進(jìn)行研究，這也是當(dāng)前對組織行為 分析的常用手段。
[0003] 組織行為異常檢測可分為兩個過程，一是對組織動態(tài)的描述，二是對組織動態(tài)序 列的異常檢測。組織的行為動態(tài)從整體上可以通過相鄰時刻組織網(wǎng)絡(luò)相似度的時間序列進(jìn) 行描述，這類方法通常是基于網(wǎng)絡(luò)鄰接矩陣，度量節(jié)點(diǎn)和邊的變化。目前主要有基于元素重 疊的方法、基于節(jié)點(diǎn)排序的方法、基于向量相似的方法、基于序列相似的方法和基于矩陣余 弦的方法等五種網(wǎng)絡(luò)相似度的度量方法。
[0004] 組織動態(tài)序列的異常檢測常用Shewhart控制圖進(jìn)行。Shewhart控制圖是由美國的 W A Shewhart在1924年首先提出的。自從提出以來，Shewhart控制圖就一直成為科學(xué)管理 的一個重要工具，特別在質(zhì)量管理方面成了一個不可或缺的管理工具。它是一種有控制界 限的圖，用來區(qū)分引起質(zhì)量波動的原因是偶然的還是系統(tǒng)的，可以提供系統(tǒng)原因存在的信 息，從而判斷生產(chǎn)過程是否處于受控狀態(tài)。
[0005] 令yt為當(dāng)前需要進(jìn)行監(jiān)測的時間序列變量值，ut為基期值，根據(jù)Siewhart模型，當(dāng) mt-nt | >c〇t時稱當(dāng)前數(shù)據(jù)異常，其中
Shewhart控制圖模型中，用于計(jì)算期望值的往期時間長度B以及時間間隔g均需根據(jù)數(shù)據(jù)對 象的特點(diǎn)來確定。
[0006] 由于組織內(nèi)部功能調(diào)整的需要或外部環(huán)境因素的驅(qū)動，微觀上組織成員地位、角 色以及交互量和交互頻率會發(fā)生改變，在更大尺度上組織成員會形成新的聚集區(qū)域，從而 引起組織社團(tuán)結(jié)構(gòu)的變化。實(shí)驗(yàn)發(fā)現(xiàn)基于組織網(wǎng)絡(luò)相似度的組織動態(tài)描述存在以下缺點(diǎn)： 1)相似度的定義本身是無向的，所以對組織演化的方向不敏感，比如組織社團(tuán)分裂和合并 兩個相反方向的演化過程得到的相似度曲線可能是相同的。2)組織演化過程通常是漸進(jìn) 的，量變逐漸積累為質(zhì)變，演化為新的階段，而基于相似度的方法無法分辨這種漸變，即不 能描述組織演化階段的細(xì)節(jié)。
[0007] Shewhart控制圖的缺點(diǎn)是偵測小偏移的能力較低，且對正態(tài)態(tài)假設(shè)很敏感，易受 離群值影響。且Shewhart控制圖是針對一點(diǎn)的異常檢測，組織行為異常往往會持續(xù)一段時 間，當(dāng)目標(biāo)數(shù)據(jù)處于異常時間段內(nèi)，Shewhart控制圖會給出錯誤的判斷。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的總體思路是：
[0009] 針對基于組織網(wǎng)絡(luò)相似度描述組織動態(tài)的缺點(diǎn)，定義定量指標(biāo)描述社團(tuán)演化，進(jìn) 而刻畫組織動態(tài)。對社團(tuán)演化的分析可以在中觀尺度上把握組織動態(tài)特征，相對于基于組 織整體相似度的動態(tài)分析能提供更多的細(xì)節(jié)。
[0010]針對Shewhart控制圖的缺點(diǎn)：1)提出了一種基于F檢驗(yàn)的社團(tuán)合理數(shù)量評價指標(biāo)， 并將其應(yīng)用于模糊社團(tuán)劃分。這部分工作的主要目的是對組織網(wǎng)絡(luò)序列中的每個網(wǎng)絡(luò)進(jìn)行 有效準(zhǔn)確的社團(tuán)劃分，為后面的組織演化分析打好基礎(chǔ)。2)提出了一種基于社團(tuán)角色熵的 社團(tuán)演化分析指標(biāo)。組織中社團(tuán)角色的分布與其功能和行為密切相關(guān)，本發(fā)明利用組織網(wǎng) 絡(luò)節(jié)點(diǎn)的局部聚類系數(shù)描述節(jié)點(diǎn)的角色，并利用信息熵的思想提出了社團(tuán)角色熵的概念， 社團(tuán)角色熵反映了組織成員角色在社團(tuán)中分布的異質(zhì)情況。3)提出了一種基于鄰域一致性 的異常子序列檢驗(yàn)方法。定義異常子序列為時間序列中與其鄰域序列偏差較大的子序列， 而這種偏差可以通過子序列與其鄰域的一致性進(jìn)行刻畫。利用多元線性回歸模型描述鄰域 子序列重構(gòu)的過程，并利用回歸系數(shù)(重構(gòu)權(quán)值)和重構(gòu)偏差定義了一致因子指標(biāo)描述子序 列與其鄰域的一致性，而且提供了基于最小二乘估計(jì)和偏差優(yōu)化的兩者方法計(jì)算一致因 子。
[0011] 具體的，一種基于社團(tuán)演化的組織行為異常檢測方法，其特征在于，包括以下步 驟：
[0012] 步驟1基于EM算法的模糊社團(tuán)劃分 [0013]步驟1.1提取節(jié)點(diǎn)特征向量
[0014] 網(wǎng)絡(luò)的鄰接矩陣取最大的p個特征值所對應(yīng)的特征向量得到n Xk的特征矩陣At， 取特征矩陣的每一行作為對應(yīng)節(jié)點(diǎn)的屬性向量，則將每個節(jié)點(diǎn)都映射到了 P維空間，η為網(wǎng) 絡(luò)節(jié)點(diǎn)個數(shù)，節(jié)點(diǎn)m的屬性向量為
[0015] 4： =
[0016] 步驟1 · 2EM算法劃分社團(tuán)
[0017] 對于組織成員集合￥1，￥2廣_，'^，(：1，〇2，'"，〇1<為1^個模糊社團(tuán)，(31，02，'"，〇<分另1|為社 團(tuán)&，&，'"而的社團(tuán)中心，胃=[叫](1<1<11，1<^〇為劃分矩陣，其中
[0018]
[0019]已知劃分k個社團(tuán)，模糊社團(tuán)的劃分利用EM算法實(shí)現(xiàn)，步驟如下：
[0020] (1)初始化k個社團(tuán)中心，劃分矩陣；
[0021] (2)期望步E-步:計(jì)算每個成員對于每個社團(tuán)的隸屬度，得到劃分矩陣W;
[0022] (3)最大化步Μ-步:根據(jù)上步得到的劃分矩陣，調(diào)整社團(tuán)中心
[0023] (4)迭代執(zhí)行期望步和最大化步，直到達(dá)到設(shè)定迭代步數(shù)或社團(tuán)中心收斂到期望 范圍或誤差平方和小于設(shè)定閾值；
[0024]步驟1.3社團(tuán)數(shù)量確定
[0025] 設(shè)網(wǎng)絡(luò)中節(jié)點(diǎn)集合N= {vi，V2,…，νη}，節(jié)點(diǎn)m的特征向量為二試丨1,#,…,#/1)， 設(shè)r為所劃分的社團(tuán)個數(shù)，{Ci，C2，…，Cr}為社團(tuán)集合，m為第i個社團(tuán)的成員個數(shù)，社團(tuán)Ci對 應(yīng)的節(jié)點(diǎn)N為Vil，Vi2，…，Vini，所對應(yīng)的節(jié)點(diǎn)屬性向量分別為lil，li2，…，lini。
[0026] 記
[0029] 其中表示第i個社團(tuán)中第j個節(jié)點(diǎn)的屬性向量。[0030] 記
[0027]
[0028]
[0031]
[0032]
[0033]
[0034]
[0035] 對給定的顯著水平α和社團(tuán)數(shù)量r，可查F分布表得到Fy^r-Un-r))，如果FWk (p(r-l，n-r))，根據(jù)統(tǒng)計(jì)學(xué)理論可知社團(tuán)間具有顯著差異，說明分類比較合理;對于不同社 團(tuán)數(shù)量，在滿足FWk(p(r-1，n-r))的所有的社團(tuán)劃分中，取使差值F-Fk最大的社團(tuán)數(shù)量 作為最合理的社團(tuán)數(shù)量，進(jìn)而得到最佳的社團(tuán)劃分。
[0036] 步驟2社團(tuán)演化分析
[0037] 步驟2.1組織角色
[0038] 聚類系數(shù)描述了節(jié)點(diǎn)鄰域的邊密度，組織中不同角色的交互模式往往能體現(xiàn)在聚 類系數(shù)的差異上，故節(jié)點(diǎn)的局部聚類系數(shù)能夠在一定程度上反映節(jié)點(diǎn)在網(wǎng)絡(luò)中的地位和角 色差異，網(wǎng)絡(luò)中節(jié)點(diǎn)i的聚類系數(shù)定義如下
[0039]
[0040] 其中ri為節(jié)點(diǎn)i的鄰域，即節(jié)點(diǎn)i及其所有直接鄰構(gòu)成的子圖，E(ri)表示ri中邊 的數(shù)量，
為r :中所有節(jié)點(diǎn)互聯(lián)時的邊數(shù)量；
[0041 ] 步驟2.2組織角色熵
[0042]假設(shè)組織網(wǎng)絡(luò)G中共η個成員，并且網(wǎng)絡(luò)中存在t種角色{?，…，，類比信息熵 的定義，定義組織角色熵
[0043]
[0044]其中Pk表示角色jk成員數(shù)量在組織中占的比例，即
[0045] pk =-^ Λ η
[0046] 步驟2.3社團(tuán)角色熵
[0047] 假設(shè)社團(tuán)劃分i將網(wǎng)絡(luò)劃分為m個社團(tuán)，即{&，&，···