□薛亞龍，劉如意

(寧夏警官職業(yè)學(xué)院，銀川 750021)

虛擬空間網(wǎng)絡(luò)科學(xué)技術(shù)的高速發(fā)展，促使動態(tài)性數(shù)據(jù)鏈路預(yù)測成為網(wǎng)絡(luò)科學(xué)學(xué)科內(nèi)的一個重要研究范疇，且不斷地被應(yīng)用于社會生產(chǎn)、生活的各個領(lǐng)域。網(wǎng)絡(luò)科學(xué)中動態(tài)性數(shù)據(jù)鏈路預(yù)測的本質(zhì)，是將動態(tài)性數(shù)據(jù)源中各個數(shù)據(jù)節(jié)點采取相互融合等作用形成數(shù)據(jù)節(jié)點的數(shù)據(jù)連邊，從而能夠挖掘與獲得該動態(tài)性數(shù)據(jù)源中具有關(guān)聯(lián)性的銜接數(shù)據(jù)。顯然，利用動態(tài)性數(shù)據(jù)鏈路預(yù)測的屬性能夠讓人們及時發(fā)現(xiàn)和獲取在該動態(tài)性數(shù)據(jù)源中具有拓?fù)浣Y(jié)構(gòu)和拓?fù)涮卣鞯撵o態(tài)或動態(tài)數(shù)據(jù)節(jié)點，進而有利于人們能夠?qū)υ搫討B(tài)性數(shù)據(jù)源的數(shù)據(jù)化生存規(guī)律及變化發(fā)展態(tài)勢展開評估和預(yù)測。[1]同時，虛擬空間網(wǎng)絡(luò)科學(xué)技術(shù)在給社會發(fā)展帶來優(yōu)質(zhì)惠利的同時，還給犯罪情勢的數(shù)據(jù)化生存態(tài)勢提供了必要的“土壤”條件，造成在傳統(tǒng)的動態(tài)性數(shù)據(jù)情報偵查應(yīng)用過程中出現(xiàn)數(shù)據(jù)節(jié)點指標(biāo)差異性大、數(shù)據(jù)情報銜接缺失、預(yù)測算法準(zhǔn)確度低等突出問題，導(dǎo)致偵查人員對其研判與應(yīng)用的結(jié)果往往出現(xiàn)偵查偏差或偵查失真，甚至陷入偵查錯誤和偵查僵局?；诖?，引入動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法研究的范式，將動態(tài)性數(shù)據(jù)鏈路預(yù)測與情報偵查互相融合共同發(fā)展，這不僅是網(wǎng)絡(luò)科學(xué)范疇中動態(tài)性數(shù)據(jù)鏈路預(yù)測產(chǎn)生與發(fā)展的應(yīng)然趨勢，而且還是數(shù)據(jù)驅(qū)動創(chuàng)新時代現(xiàn)代情報偵查方法變革和創(chuàng)新的實然需求。

一、動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的內(nèi)涵與屬性

在虛擬空間網(wǎng)絡(luò)的研究范疇中，動態(tài)性數(shù)據(jù)的結(jié)構(gòu)屬性與發(fā)展模式越來越受到人們的重視和研究。鏈路預(yù)測通過高度抽象的拓?fù)浣Y(jié)構(gòu)再現(xiàn)虛擬網(wǎng)絡(luò)空間中各種復(fù)雜海量的相關(guān)性數(shù)理關(guān)系，以數(shù)據(jù)節(jié)點與數(shù)據(jù)連邊結(jié)構(gòu)屬性對各動態(tài)性數(shù)據(jù)展開結(jié)構(gòu)化的數(shù)據(jù)建模，從而對其進行深入全面的挖掘與預(yù)測。[2]鏈路預(yù)測作為虛擬空間網(wǎng)絡(luò)中對動態(tài)性數(shù)據(jù)進行挖掘與預(yù)測的關(guān)鍵性算法，通過對其結(jié)構(gòu)屬性中的數(shù)據(jù)集合、數(shù)據(jù)節(jié)點、數(shù)據(jù)連邊和指向以及數(shù)據(jù)權(quán)重系數(shù)等采取時間序列性的演化運算，然后尋找和獲取具有關(guān)聯(lián)性質(zhì)的特殊數(shù)據(jù)節(jié)點和數(shù)據(jù)連邊，進而實現(xiàn)對動態(tài)性數(shù)據(jù)產(chǎn)生和發(fā)展的生存規(guī)律態(tài)勢給予挖掘與分析。顯然，將動態(tài)性數(shù)據(jù)鏈路預(yù)測引入現(xiàn)代情報偵查工作之中，不僅是動態(tài)性數(shù)據(jù)鏈路預(yù)測自身的運算價值優(yōu)勢和傳統(tǒng)情報偵查模式轉(zhuǎn)型的必然性所決定，而且還是預(yù)防和打擊犯罪行為呈現(xiàn)數(shù)據(jù)化生存情勢發(fā)展的應(yīng)對措施實然需求。因此，在數(shù)據(jù)驅(qū)動創(chuàng)新發(fā)展虛擬空間網(wǎng)絡(luò)的新時代，應(yīng)該賦予動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查新的內(nèi)涵和屬性。

(一)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的內(nèi)涵

早期進行動態(tài)性數(shù)據(jù)鏈路預(yù)測的運算方法主要包括馬爾科夫鏈和機器學(xué)習(xí)，即先研究動態(tài)性數(shù)據(jù)的數(shù)據(jù)路徑與數(shù)據(jù)節(jié)點，然后拓展到對其數(shù)據(jù)之間的結(jié)構(gòu)特征屬性研究，進而通過動態(tài)性數(shù)據(jù)模型構(gòu)建來實現(xiàn)其鏈路預(yù)測的應(yīng)用價值和目的。因此，動態(tài)性數(shù)據(jù)鏈路預(yù)測就成為在虛擬空間網(wǎng)絡(luò)中的一個最為重要的主流研究算法。在動態(tài)性數(shù)據(jù)鏈路預(yù)測的運算過程中，核心規(guī)則就是通過歸納分析數(shù)據(jù)節(jié)點之間的相似度從而獲取其具備鏈路銜接的概率加權(quán)系數(shù)。顯而易見。動態(tài)性數(shù)據(jù)鏈路預(yù)測的本質(zhì)就是從動態(tài)性數(shù)據(jù)鏈路的微觀層面挖掘與分析其數(shù)據(jù)集合、數(shù)據(jù)節(jié)點等結(jié)構(gòu)形態(tài)所形成的原因和相互關(guān)系，主要的任務(wù)就是解決動態(tài)性數(shù)據(jù)中缺失數(shù)據(jù)集合和數(shù)據(jù)節(jié)點的預(yù)測與還原問題。[3]所謂還原是指在動態(tài)性數(shù)據(jù)中確實存在但還沒有被發(fā)現(xiàn)和獲取的數(shù)據(jù)鏈路，這種動態(tài)性數(shù)據(jù)的鏈路又被稱為未知鏈路；而所謂預(yù)測是指在動態(tài)性數(shù)據(jù)中現(xiàn)在不存在但在未來卻可能被發(fā)現(xiàn)所存在的數(shù)據(jù)鏈路，此種動態(tài)性數(shù)據(jù)的預(yù)測亦被稱為未來鏈路。顯然，動態(tài)性數(shù)據(jù)鏈路預(yù)測的核心技術(shù)即在預(yù)設(shè)搜集和構(gòu)建的動態(tài)性數(shù)據(jù)源倉庫中，準(zhǔn)確挖掘與預(yù)測其包含的數(shù)據(jù)集合和數(shù)據(jù)節(jié)點在該動態(tài)性數(shù)據(jù)源中的鏈路銜接概率和差錯率。一方面，該技術(shù)為提高對海量復(fù)雜動態(tài)性數(shù)據(jù)源的系統(tǒng)級鏈路銜接、自動化鏈路預(yù)測以及智能鏈路決策等提供運算的高性能指標(biāo)體系；另一方面，還可以幫助實現(xiàn)對上述運算操作的簡單化技術(shù)處理，從而提升動態(tài)性數(shù)據(jù)源的鏈路預(yù)測銜接概率和降低其運算的差錯率。[4]誠然，結(jié)合動態(tài)性數(shù)據(jù)鏈路預(yù)測的運算屬性與情報偵查的特殊應(yīng)用價值和實踐導(dǎo)向需求，我們認(rèn)為，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的內(nèi)涵為：偵查人員采取GNRA算法、EESM算法、RBIR算法等動態(tài)性數(shù)據(jù)鏈路預(yù)測算法，通過對已知各數(shù)據(jù)集合、數(shù)據(jù)節(jié)點、數(shù)據(jù)路徑等動態(tài)性數(shù)據(jù)源的運算與挖掘，幫助在虛擬數(shù)據(jù)化犯罪情勢中挖掘與分析不相鄰兩個數(shù)據(jù)節(jié)點等之間產(chǎn)生數(shù)據(jù)連邊的概率性和差錯率，從而實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測引導(dǎo)和指導(dǎo)情報偵查的一種新型情報偵查方法。

依據(jù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中各數(shù)據(jù)集合、數(shù)據(jù)節(jié)點以及數(shù)據(jù)路徑等運算的相似銜接加權(quán)系數(shù)不同，即如果上述兩兩之間的相似銜接加權(quán)系數(shù)越來越相近，那么其被鏈路預(yù)測銜接的概率性也就越大，可將動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查分為三個方面類型，即全局動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查、局部動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查以及準(zhǔn)局部動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查。各類型動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的區(qū)別如下：全局動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查主要考慮了全部動態(tài)性數(shù)據(jù)源中各個數(shù)據(jù)集合、數(shù)據(jù)節(jié)點等整體結(jié)構(gòu)特性和鏈路預(yù)測算法的精確性，其顯著的優(yōu)點是能夠挖掘與獲得比較精確性的動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查效果，然突出的缺點為其鏈路預(yù)測算法的數(shù)據(jù)收斂速度較慢，造成難以對各種數(shù)量特別大的動態(tài)性數(shù)據(jù)源開展鏈路預(yù)測的情報偵查應(yīng)用。局部動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查僅局限于對動態(tài)性數(shù)據(jù)源中各個數(shù)據(jù)節(jié)點的挖掘與分析，具體包括AA算法、CN算法以及PA算法等。其對數(shù)據(jù)收斂速度的要求不高，鏈路預(yù)測情報偵查的效果主要取決于涉案動態(tài)性數(shù)據(jù)源的數(shù)量范圍。而準(zhǔn)局部動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查則無需過多考慮和關(guān)注全部動態(tài)性數(shù)據(jù)源中數(shù)據(jù)集合、數(shù)據(jù)節(jié)點以及數(shù)據(jù)路徑等數(shù)據(jù)拓?fù)浣Y(jié)構(gòu)屬性，而主要考慮的是比局部動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查所使用的更多評價指標(biāo)體系和系數(shù)，主要的算法包括LP算法、SRW算法以及LRW算法等。因此，偵查人員在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中應(yīng)該根據(jù)各動態(tài)性數(shù)據(jù)源的不同內(nèi)涵屬性范圍和涉案虛擬數(shù)據(jù)化犯罪情勢的發(fā)展變化趨勢，選擇和采取不同類型的動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法，從而促使其能夠作出和制定及時準(zhǔn)確的偵查預(yù)測與偵查對策。

(二)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的屬性

1.動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的度相關(guān)性。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程中，可以將度分布和平均度分別看作動態(tài)性數(shù)據(jù)源中的0階和1階關(guān)聯(lián)特性。雖然在動態(tài)性數(shù)據(jù)源中可能存在相同或相似的度分布與平均度，但是往往會呈現(xiàn)出不同的鏈路預(yù)測行為和性質(zhì)。數(shù)據(jù)節(jié)點的度相關(guān)性作為動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中高階度分布屬性的一種不同數(shù)據(jù)節(jié)點之間的鏈路模式，如果動態(tài)性數(shù)據(jù)源中某數(shù)據(jù)節(jié)點接近于其預(yù)設(shè)數(shù)據(jù)度相同或相近的閾值，那么該動態(tài)性數(shù)據(jù)的度相關(guān)性即表現(xiàn)為同配特征的正屬性；反之，則表現(xiàn)為異配特征的負(fù)屬性。在度不相同的動態(tài)性數(shù)據(jù)源中，任意兩個數(shù)據(jù)連邊中數(shù)據(jù)節(jié)點的閾值都是隨機且不完全相同的。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的度相關(guān)性屬性中，挖掘與判定其度相關(guān)性的方法主要包括兩個方面：一方面，通過運算分析所有涉案動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點與其相鄰節(jié)點之間平均度的相關(guān)性閾值，如果兩者之間數(shù)據(jù)節(jié)點的度相關(guān)性為正屬性，那么從數(shù)據(jù)節(jié)點接近于度相關(guān)閾值的角度而言，其必然具備動態(tài)性數(shù)據(jù)同配特征的正屬性范疇；反之，則具備動態(tài)性數(shù)據(jù)異配特征的負(fù)屬性范疇。另一方面，利用皮爾森相關(guān)的鏈路預(yù)測算法進而提出動態(tài)性數(shù)據(jù)同配的加權(quán)指標(biāo)系數(shù)，從而實現(xiàn)對動態(tài)性數(shù)據(jù)同配或異配閾值的定量挖掘與分析。因此，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的度相關(guān)性屬性中，各個數(shù)據(jù)節(jié)點往往相鄰與其度相關(guān)性閾值相同或相近所呈數(shù)據(jù)簇而聚類，促使大部分的動態(tài)性數(shù)據(jù)源具有同配特征的正屬性關(guān)系。而在度相關(guān)性閾值呈現(xiàn)較小數(shù)據(jù)節(jié)點的動態(tài)性數(shù)據(jù)源中，其具有突出異配特征的負(fù)屬性關(guān)系。然而，各個動態(tài)性數(shù)據(jù)源的度相關(guān)性同配或異配屬性并不是屬于絕對不變狀態(tài)，會隨虛擬空間網(wǎng)絡(luò)情勢的變化規(guī)則而互相轉(zhuǎn)化。

2.動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的小世界性。小世界(Small world)的內(nèi)涵范疇來源于Milgram對虛擬空間網(wǎng)絡(luò)連鎖郵件的實驗研究，要求實驗員把郵件通過熟人的傳遞方式將其快速有效地郵寄到距離位置遙遠(yuǎn)的收件人，大部分的郵件都會經(jīng)過五六次的傳遞后即可被收件人所獲取。[5]小世界的理念與特性最早被應(yīng)用于驗證“六度分離現(xiàn)象”，即在數(shù)據(jù)化的社會生活中人們平均經(jīng)過五個人便能夠產(chǎn)生關(guān)聯(lián)。近年來，尤其隨著結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)化數(shù)據(jù)等海量復(fù)雜動態(tài)性數(shù)據(jù)源的迅猛產(chǎn)生與發(fā)展，更加驗證和揭示了動態(tài)性數(shù)據(jù)鏈路預(yù)測具有小世界的特殊屬性。誠然，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的小世界屬性主要包含兩個方面含義：第一、數(shù)據(jù)平均距離較小。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，各數(shù)據(jù)節(jié)點之間的平均距離〈d〉與動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用價值和實踐需求〈N〉呈突出的對數(shù)關(guān)系即〈d〉∝lnN。盡管該對數(shù)關(guān)系的函數(shù)具有不斷增長的發(fā)展態(tài)勢，但是其海量復(fù)雜動態(tài)性數(shù)據(jù)源的數(shù)據(jù)平均距離仍然比較?。坏诙?、數(shù)據(jù)聚類加權(quán)系數(shù)較大。與傳統(tǒng)實體物理空間的小數(shù)據(jù)相比較而言，虛擬空間網(wǎng)絡(luò)時代動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的數(shù)據(jù)聚類加權(quán)系數(shù)較大，促使偵查人員在對其進行挖掘與分析過程中具有顯著的鏈路預(yù)測局部特性和數(shù)據(jù)簇的聚類效果。顯然，小世界屬性促使偵查人員在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用過程中具有重要的偵查啟發(fā)價值作用，這種價值作用的差異性主要由偵查人員對各種海量復(fù)雜動態(tài)性數(shù)據(jù)源的挖掘與分析能力所決定。所以，偵查人員利用小世界屬性來對各種數(shù)據(jù)節(jié)點距離進行及時有效的運算和數(shù)據(jù)聚類，能夠全面提升動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的高效性。

3.動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的冪律度分布性。度分布P(k)表示在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中所有k屬性數(shù)據(jù)節(jié)點占據(jù)所有數(shù)據(jù)節(jié)點的比例系數(shù)，比較常見的度分布包括指數(shù)分布、泊松分布、二項分布等。動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中數(shù)據(jù)節(jié)點生成機制的不同范式，造成其產(chǎn)生度分布的比例系數(shù)具有差異性。尤其在泊松隨機動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查過程中，任意兩個數(shù)據(jù)節(jié)點之間由于以固定不變的概率產(chǎn)生數(shù)據(jù)連邊，促使其任意一個數(shù)據(jù)節(jié)點度分布系數(shù)的預(yù)設(shè)閾值都是相同的。在動態(tài)性數(shù)據(jù)源規(guī)模較大與固定平均度互相結(jié)合和互相影響的鏈路預(yù)測情報偵查情勢運算下，該二項分布可以幫助偵查人員實現(xiàn)數(shù)據(jù)節(jié)點的度分布無限接近泊松分布的閾值。顯然，不管是數(shù)據(jù)節(jié)點的指數(shù)分布還是泊松分布以及二項分布等，都促使在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程中具有典型的冪律度分布屬性即P(k)∝k-y。而其真實冪律度分布的系數(shù)y往往閾值介于2與3之間，且該系數(shù)具有明顯的曲線長尾特性和不明顯的特性標(biāo)度。同時，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的冪律度分布屬性又被稱為無標(biāo)度數(shù)據(jù)節(jié)點屬性。所以，在虛擬空間網(wǎng)絡(luò)的動態(tài)性數(shù)據(jù)坐標(biāo)運算情勢中，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的冪律度分布屬性系數(shù)呈現(xiàn)出曲線且向線性分布發(fā)展的態(tài)勢。

二、動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程模型構(gòu)建

動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查活動是偵查人員根據(jù)偵查情勢的發(fā)展態(tài)勢而按照情報偵查工作的特殊流程而展開，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程主要包括其基本環(huán)節(jié)等。動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程雖然具有相對的穩(wěn)定性，但也并非一成不變。當(dāng)新的數(shù)據(jù)化生存犯罪情勢的出現(xiàn)、新的情報偵查價值需求導(dǎo)向的迫切需要以及新的生活生產(chǎn)和生活方式的變革等都會必然地引起動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查流程的嬗變。因此，結(jié)合動態(tài)性數(shù)據(jù)鏈路預(yù)測的算法優(yōu)勢和數(shù)據(jù)化犯罪情勢的發(fā)展態(tài)勢，將動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程構(gòu)建分為情報偵查的價值需求、動態(tài)性數(shù)據(jù)情報的生成、情報偵查決策的支持等三個流程。

(一)情報偵查的價值需求流程

在虛擬空間網(wǎng)絡(luò)的運行情勢下，動態(tài)性數(shù)據(jù)源不僅包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)而且還包括半結(jié)構(gòu)化數(shù)據(jù)、異構(gòu)化數(shù)據(jù)等。動態(tài)性數(shù)據(jù)源來源的廣泛性和豐富性，給動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用帶來了巨大的機遇。這不僅有利于偵查人員憑借動態(tài)性數(shù)據(jù)鏈路預(yù)測的算法優(yōu)勢讓情報偵查的價值需求更加顯性化，而且還進一步有利于促使情報偵查的價值需求更加精確化和主動化，從而促使偵查人員在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用過程中實現(xiàn)其應(yīng)然價值。

情報偵查的價值需求流程是開展其他動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查流程環(huán)節(jié)的基礎(chǔ)，而動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程環(huán)節(jié)則是情報偵查價值需求服務(wù)的措施與方法。根據(jù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的實踐應(yīng)用需求，可以將情報偵查的價值需求分為顯性情報偵查價值需求和隱性情報偵查價值需求。顯性的情報偵查價值需求是指偵查人員自己挖掘發(fā)現(xiàn)并據(jù)此請求情報偵查的價值請求服務(wù)，而該部分情報偵查的價值請求相對而言比較簡單。隱性的情報偵查價值需求是指偵查人員在案件偵查的初始并未有挖掘和發(fā)現(xiàn)，但根據(jù)后期犯罪情勢的變化發(fā)展而具有潛在需要的價值需求。顯然，隱性的情報偵查價值需求首先需要偵查人員根據(jù)案件偵查的實際需求導(dǎo)向進行情報偵查的價值預(yù)設(shè)，然后搜集和獲取與涉案有關(guān)的各種動態(tài)性數(shù)據(jù)源并進行數(shù)據(jù)清洗、數(shù)據(jù)倉庫構(gòu)建等處理。其次，對所獲取的各種動態(tài)性數(shù)據(jù)源采取鏈路預(yù)測算法和建立關(guān)聯(lián)規(guī)則構(gòu)建模型，從而獲取情報偵查價值的隱性需求。最后，將情報偵查價值的顯性需求和隱性需求互相結(jié)合，從而確定動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的整體情報偵查價值需求方向和范圍。

在獲取到整體情報偵查價值的需求方向和范圍之后，具體主要從價值需求內(nèi)容和價值需求形式兩個方面展開。其中，情報偵查價值的需求內(nèi)容具體包括動態(tài)性數(shù)據(jù)源中各數(shù)據(jù)集合、數(shù)據(jù)節(jié)點、數(shù)據(jù)路徑的類型、格式、閾值等，這決定了后續(xù)動態(tài)性數(shù)據(jù)源的來源獲取途徑、鏈路預(yù)測算法的選擇、相關(guān)性數(shù)理關(guān)系挖掘的深度以及情報偵查預(yù)測和決策的層次度等。而情報偵查價值的需求形式是指動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的服務(wù)模式，主要受偵查人員對情報偵查的挖掘能力水平與動態(tài)性數(shù)據(jù)鏈路預(yù)測的算法選取所影響和制約，從而決定了動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查活動在滿足情報偵查價值需求流程中的參與度和支持度。在同等條件下，如果偵查人員具備很強的情報偵查挖掘能力和選取準(zhǔn)確高效的動態(tài)性數(shù)據(jù)鏈路預(yù)測算法，那么其在滿足情報偵查價值需求流程中則具有很高的參與度和支持度。同時，還有利于偵查人員激發(fā)和獲取更多的情報偵查需求。(如圖1)

2.2.1 千粒重。施用磷肥能增加小麥的千粒重詳見表4，分析可知施用磷肥的小麥千粒重平均為40.3 g，比未施用磷肥的小麥千粒重38.0 g重2.3 g。

圖1 情報偵查的價值需求過程

所以，在情報偵查的價值需求流程中，一方面，偵查人員通過對動態(tài)性數(shù)據(jù)源的挖掘與分析促使其能夠主動地發(fā)現(xiàn)和確定整體情報偵查的價值需求并給予滿足；另一方面，情報偵查的價值需求活動又是一把雙刃劍，其既能夠幫助偵查人員對情報偵查的價值需求展開更加準(zhǔn)確的預(yù)測分析，又由于預(yù)測分析結(jié)果的靜態(tài)僵硬化而導(dǎo)致情報偵查的價值需求受到局限性，從而出現(xiàn)部分的隱性情報偵查價值需求被忽略，以及限定了隱性情報偵查價值需求和顯性情報偵查價值需求之間的互相融合和互相轉(zhuǎn)換等現(xiàn)象問題。

(二)動態(tài)性數(shù)據(jù)情報的生成流程

在虛擬空間網(wǎng)絡(luò)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用情勢下，動態(tài)性數(shù)據(jù)源不僅具有開放性、動態(tài)性、群智能性等突出特點，而且各種結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)化數(shù)據(jù)等動態(tài)性數(shù)據(jù)源還呈現(xiàn)出互相融合和互相交互的并存現(xiàn)象，促使動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的數(shù)據(jù)處理技術(shù)具有很強的時效性。偵查人員對動態(tài)性數(shù)據(jù)源進行及時有效的搜集、清洗、倉庫構(gòu)建以及數(shù)據(jù)集成等環(huán)節(jié)，是實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用價值和實踐效果的關(guān)鍵性步驟。顯然，在情報偵查的價值需求流程完成之后就必然需要進入動態(tài)性數(shù)據(jù)情報的生成流程。所以，動態(tài)性數(shù)據(jù)情報的生成流程不僅是將動態(tài)性數(shù)據(jù)源轉(zhuǎn)換為偵查情報的必經(jīng)途徑，而且還是銜接情報偵查的價值需求流程與情報偵查決策的支持流程的重要橋梁。

根據(jù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的實踐價值導(dǎo)向需求和結(jié)合虛擬空間的發(fā)展特點、動態(tài)性數(shù)據(jù)的內(nèi)涵屬性、鏈路預(yù)測的算法優(yōu)勢等，可以將動態(tài)性數(shù)據(jù)情報的生成流程自下而上分為動態(tài)性數(shù)據(jù)的物理層、候選相關(guān)的動態(tài)性數(shù)據(jù)情報、相關(guān)的動態(tài)性數(shù)據(jù)情報、規(guī)范的動態(tài)性數(shù)據(jù)情報以及偵查知識和偵查方法經(jīng)驗五個方面，與其相對應(yīng)的分別是情報采集、情報處理、情報加工、情報組織、情報分析等環(huán)節(jié)。其中：第一環(huán)節(jié)為情報采集。在虛擬空間網(wǎng)絡(luò)環(huán)境運行情勢下，海量數(shù)據(jù)構(gòu)成對社會生活全面、系統(tǒng)的記錄，因而數(shù)據(jù)可以完整、實時地反映事物的過去和現(xiàn)狀。[6]雖然動態(tài)性數(shù)據(jù)源的來源種類比較復(fù)雜和多樣化，但是總體可以分為虛擬網(wǎng)絡(luò)空間的動態(tài)性數(shù)據(jù)和現(xiàn)實實體的動態(tài)性數(shù)據(jù)兩部分。這些動態(tài)性數(shù)據(jù)源經(jīng)過選擇和采取采集方法、采集工具、采集程度等系列的措施之后，篩選和提煉形成動態(tài)性數(shù)據(jù)的物理層，從而為動態(tài)性數(shù)據(jù)情報的生成流程提供重要的數(shù)據(jù)支撐和保障。第二環(huán)節(jié)為情報處理。盡管所獲取的動態(tài)性數(shù)據(jù)源數(shù)量呈TB、PB等趨勢迅猛發(fā)展，但是也存在諸如無效數(shù)據(jù)多、數(shù)據(jù)更加冗余等突出問題。這就必然需要對情報采集后的各種動態(tài)性數(shù)據(jù)源進行數(shù)據(jù)清洗，采取劃定有效數(shù)據(jù)范圍、數(shù)據(jù)價值判斷、確定合理數(shù)據(jù)采集度等技術(shù)，促使形成候選相關(guān)的動態(tài)性數(shù)據(jù)情報。第三環(huán)節(jié)為情報加工。經(jīng)過情報處理環(huán)節(jié)之后，偵查人員對候選相關(guān)的動態(tài)性數(shù)據(jù)情報需要按照特定的形式進行存儲才能夠使其變成有情報偵查價值的有關(guān)動態(tài)性數(shù)據(jù)情報。例如，偵查人員可以采取將無規(guī)則數(shù)據(jù)轉(zhuǎn)換成格式規(guī)范的數(shù)據(jù)、建立數(shù)據(jù)索引規(guī)則、預(yù)設(shè)數(shù)據(jù)的讀取權(quán)限等技術(shù)方法，從而實現(xiàn)將這些被情報加工后的規(guī)范數(shù)據(jù)統(tǒng)一存儲到構(gòu)建的數(shù)據(jù)倉庫之中。第四環(huán)節(jié)為情報組織。在動態(tài)性數(shù)據(jù)情報的生成過程中，只有將規(guī)范處理后有價值的相關(guān)動態(tài)性數(shù)據(jù)經(jīng)過數(shù)據(jù)集成后并理解掌握才能夠發(fā)揮最大的情報價值。誠然，動態(tài)性數(shù)據(jù)源不僅包括數(shù)值型數(shù)據(jù)、文字型數(shù)值以及圖片型等多種數(shù)據(jù)種類，而且還呈現(xiàn)出結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)化數(shù)據(jù)等多種數(shù)據(jù)表示格式。顯而易見，迫切需要對各種動態(tài)性數(shù)據(jù)源進行數(shù)據(jù)集成。偵查人員可以通過采取統(tǒng)一數(shù)據(jù)結(jié)構(gòu)、客觀重現(xiàn)數(shù)據(jù)內(nèi)容以及準(zhǔn)確有效理解數(shù)據(jù)語義等具體措施，從而幫助偵查人員實現(xiàn)規(guī)范的動態(tài)性數(shù)據(jù)情報。第五環(huán)節(jié)為情報分析。首先，該環(huán)節(jié)通過數(shù)據(jù)聚類、數(shù)據(jù)智能合約等方法對動態(tài)性數(shù)據(jù)源中數(shù)據(jù)集合、數(shù)據(jù)節(jié)點、數(shù)據(jù)路徑等數(shù)據(jù)特征和屬性進行歸納與分析，主要目的是實現(xiàn)對動態(tài)性數(shù)據(jù)源的情報分類；然后，采取LP算法、SRW算法以及LRW算法等鏈路預(yù)測算法對情報分類后動態(tài)性數(shù)據(jù)源的關(guān)聯(lián)數(shù)理關(guān)系進行挖掘與分析；最后，偵查人員利用偵查知識和偵查經(jīng)驗方法等邏輯推理方法，將上述動態(tài)性數(shù)據(jù)情報轉(zhuǎn)化和提煉為動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的決策數(shù)據(jù)。(如圖2)

圖2 動態(tài)性數(shù)據(jù)情報的生成流程

(三)情報偵查決策的支持流程

動態(tài)性鏈路預(yù)測情報偵查應(yīng)用的主要目標(biāo)是實現(xiàn)“情報偵查目標(biāo)-解決方案”的高度匹配，促使偵查人員能夠獲取海量跨領(lǐng)域多、精確性高、關(guān)聯(lián)性強等有效的偵查情報，從而為偵查人員作出的偵查決策提供支持和幫助。就動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用流程而言，經(jīng)過情報偵查的價值需求和動態(tài)性數(shù)據(jù)情報的生成流程之后，必然需要進入其最終目標(biāo)即情報偵查決策的支持流程。各種動態(tài)性數(shù)據(jù)情報只有經(jīng)過情報偵查決策的支持流程之后，才能最終實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用價值和實踐目標(biāo)。

在情報偵查決策的支持流程過程中，首先，偵查人員需要確定動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的決策目標(biāo)，通過采取動態(tài)性數(shù)據(jù)鏈路預(yù)測算法進而確定動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查決策目標(biāo)的需求導(dǎo)向和需求維度；再根據(jù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查決策的目標(biāo)需求確定情報偵查決策的運行情勢，并將情報偵查決策的運行情勢和情報偵查決策的目標(biāo)互相融合和分解，通過采取各種動態(tài)性數(shù)據(jù)鏈路預(yù)測算法而構(gòu)建情報偵查決策的目標(biāo)模型；在確定情報偵查決策的目標(biāo)任務(wù)之后，綜合情報偵查決策的目標(biāo)模型和數(shù)據(jù)模型，從而幫助偵查人員完成對情報偵查決策目標(biāo)任務(wù)的解讀。其次，根據(jù)情報偵查決策的目標(biāo)任務(wù)，偵查人員采取動態(tài)性數(shù)據(jù)鏈路預(yù)測算法通過偵查邏輯推理等方法進而獲取和提煉與涉案犯罪情勢具有內(nèi)在關(guān)聯(lián)性的各種數(shù)理關(guān)系。最后，針對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查決策中每個實際需要解決的維度問題，結(jié)合情報偵查決策所運行的環(huán)境情勢和動態(tài)性數(shù)據(jù)鏈路預(yù)測的算法優(yōu)勢，建立動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的偵查決策模型。同時，在該偵查決策模型預(yù)設(shè)數(shù)個子策略的關(guān)聯(lián)規(guī)則，通過采取策略優(yōu)化、策略組合等措施促使尋找出解決偵查決策的最佳路徑。(如圖3)誠然，情報偵查決策的支持流程更多是強調(diào)對規(guī)范后的動態(tài)性數(shù)據(jù)情報源進行客觀和準(zhǔn)確的解讀，不斷優(yōu)化關(guān)聯(lián)規(guī)則并構(gòu)建情報偵查決策的模型，利用動態(tài)性數(shù)據(jù)鏈路預(yù)測算法優(yōu)勢提升情報偵查決策支持流程的收斂速度和挖掘效能，盡量避免或減少傳統(tǒng)人工的干預(yù)參與度。因此，情報偵查決策的支持流程對實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查決策目標(biāo)具有決定性的重要作用。

圖3 情報偵查決策的支持流程過程

三、動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的指標(biāo)體系與評價方法

動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查能夠?qū)討B(tài)性數(shù)據(jù)、鏈路預(yù)測以及情報偵查三者有效地互相銜接和互相融合，不僅是打擊在虛擬空間網(wǎng)絡(luò)情勢中犯罪情勢呈現(xiàn)數(shù)據(jù)化生存態(tài)勢發(fā)展的應(yīng)然選擇，而且還是數(shù)據(jù)驅(qū)動創(chuàng)新時代情報偵查工作創(chuàng)新和改革的內(nèi)在實然需求。然而，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，由于存在動態(tài)性數(shù)據(jù)源的海量復(fù)雜性、鏈路預(yù)測算法的層次性以及情報偵查的特殊性等偵查情勢的影響和制約，迫切需要構(gòu)建動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的指標(biāo)體系和評價方法。這不僅能夠?qū)討B(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程構(gòu)建起到檢驗和修正的作用，而且還能夠?qū)罄m(xù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的具體應(yīng)用方法起到驗證和評價的反饋價值。

(一)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的指標(biāo)體系

1.共同鄰居指標(biāo)及其衍生指標(biāo)。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查指標(biāo)體系中，共同相鄰CN指標(biāo)是最基礎(chǔ)的指標(biāo)。共同相鄰CN指標(biāo)在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中的價值為：如果任意兩個數(shù)據(jù)節(jié)點共同連接的鄰居數(shù)據(jù)節(jié)點指數(shù)越多，那么這兩個數(shù)據(jù)節(jié)點產(chǎn)生與發(fā)展為數(shù)據(jù)連邊關(guān)系的概率就越高；反之，則概率越低。[7]若在共同相鄰CN指標(biāo)中再引入若干具有度信息屬性的數(shù)據(jù)節(jié)點，則能夠促使其衍生其他動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的相似性指標(biāo)。偵查人員通過對各數(shù)據(jù)節(jié)點之間的數(shù)據(jù)距離、數(shù)據(jù)路徑等數(shù)據(jù)結(jié)構(gòu)的局部采取鏈路預(yù)測算法，就能夠獲取到與其相對應(yīng)的動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查關(guān)聯(lián)相似性指標(biāo)指數(shù)，然后再將其由局部應(yīng)用于整體即可。而在通過共同相鄰CN指標(biāo)衍生的其他相似性指標(biāo)中，具有代表性的有Salton指標(biāo)、Jaccard指標(biāo)以及Sorensen指標(biāo)等。[8]其中，Salton指標(biāo)是指在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查共同相鄰CN指標(biāo)的基礎(chǔ)上，結(jié)合被引入數(shù)據(jù)節(jié)點度信息的運算結(jié)果閾值而形成相似性的新指標(biāo)系數(shù)，又被稱為余弦相似性指標(biāo)。Jaccard指標(biāo)是指在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查共同相鄰CN指標(biāo)的基礎(chǔ)上，分別計算新加入數(shù)據(jù)節(jié)點之間相鄰并集和交集的勢，從而獲得動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查新相似性的衍生指標(biāo)。Sorensen指標(biāo)也是建立在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查共同相鄰CN指標(biāo)的基礎(chǔ)上，但是該指標(biāo)系數(shù)主要取決于共同相鄰CN的勢和數(shù)據(jù)節(jié)點度分布閾值之和。

2.數(shù)據(jù)節(jié)點度分配權(quán)重指標(biāo)。就動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查指標(biāo)體系的應(yīng)然價值而言，數(shù)據(jù)節(jié)點度分配權(quán)重指標(biāo)是其必然選擇，而AA指標(biāo)和RA指標(biāo)就屬于典型的數(shù)據(jù)節(jié)點度分配權(quán)重指標(biāo)。AA指標(biāo)和RA指標(biāo)的主要原理為：度數(shù)較小的數(shù)據(jù)節(jié)點對一個與其相鄰作用影響力往往大于度數(shù)較大的數(shù)據(jù)節(jié)點。[9]在數(shù)據(jù)節(jié)點度分配權(quán)重AA指標(biāo)中，任意兩個數(shù)據(jù)節(jié)點所計算出來的相似性指標(biāo)系數(shù)都是通過與其全部共同相鄰數(shù)據(jù)節(jié)點度的對數(shù)分之一并累加求和所獲得。而數(shù)據(jù)節(jié)點度分配權(quán)重RA指標(biāo)系數(shù)的運算思路更多是對各種動態(tài)性數(shù)據(jù)源的分配過程，而其指標(biāo)系數(shù)主要為全部共同相鄰數(shù)據(jù)節(jié)點度的倒數(shù)并累加求和。顯然，數(shù)據(jù)節(jié)點度分配權(quán)重RA指標(biāo)和RA指標(biāo)都是通過對動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點度的運算，二者能夠充分利用和發(fā)揮數(shù)據(jù)節(jié)點度分配的數(shù)據(jù)閾值。[10]因此，數(shù)據(jù)節(jié)點度分配權(quán)重AA指標(biāo)和RA指標(biāo)能夠幫助偵查人員全面提升動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的關(guān)聯(lián)性和準(zhǔn)確性。

4.數(shù)據(jù)節(jié)點間緊密相似性指標(biāo)。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查指標(biāo)體系的構(gòu)建過程中，偵查人員有時可能會面對部分無權(quán)無向的動態(tài)性數(shù)據(jù)源，而該類動態(tài)性數(shù)據(jù)源往往會嚴(yán)重影響或制約動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的收斂速度和質(zhì)量?；诖耍霐?shù)據(jù)節(jié)點間緊密相似性指標(biāo)的應(yīng)用技術(shù)方法。在數(shù)據(jù)節(jié)點間緊密相似性指標(biāo)中，若該無權(quán)無向的動態(tài)性數(shù)據(jù)源表示為G(A,B)，則A和B分別表示為動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點與數(shù)據(jù)連邊的集合。[12]偵查人員在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中會給任何一對數(shù)據(jù)節(jié)點a和b都分配一個數(shù)據(jù)閾值sab，其主要目的是用來測量與計算數(shù)據(jù)節(jié)點a和數(shù)據(jù)節(jié)點b之間的相似性，即數(shù)據(jù)節(jié)點a與b之間能否實現(xiàn)數(shù)據(jù)連邊的概率性。顯然，在數(shù)據(jù)節(jié)點間緊密相似性指標(biāo)挖掘與分析中，偵查人員通過指標(biāo)系數(shù)sab的分?jǐn)?shù)值即可預(yù)測和判斷數(shù)據(jù)節(jié)點之間能否實現(xiàn)數(shù)據(jù)連邊的概率。因此，就數(shù)據(jù)節(jié)點間緊密相似性指標(biāo)系數(shù)關(guān)系而言，數(shù)據(jù)節(jié)點之間緊密性的指標(biāo)系數(shù)，往往與其存在間接聯(lián)系的數(shù)據(jù)節(jié)點數(shù)目息息相關(guān)，而共同鄰居數(shù)據(jù)節(jié)點也是大部分動態(tài)性數(shù)據(jù)鏈路預(yù)測相似性指標(biāo)體系挖掘與分析的最主要系數(shù)根源。

(二)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的評價方法

動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查核心內(nèi)容就是對不同動態(tài)性數(shù)據(jù)源進行相似性的鏈路預(yù)測，從而能夠促使偵查人員作出及時有效的偵查預(yù)測和偵查對策。各種動態(tài)性數(shù)據(jù)源的數(shù)據(jù)節(jié)點之間相似性指標(biāo)系數(shù)越大，則其數(shù)據(jù)節(jié)點之間形成數(shù)據(jù)連邊的概率性也就越大，也就更加有利于動態(tài)性鏈路預(yù)測情報偵查應(yīng)然價值和實踐效果的實現(xiàn)。然而，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程中，不同動態(tài)性數(shù)據(jù)情報偵查的指標(biāo)體系構(gòu)建也會形成不同鏈路預(yù)測的情報偵查結(jié)果。因此，偵查人員應(yīng)該根據(jù)各種動態(tài)性數(shù)據(jù)鏈路預(yù)測的算法優(yōu)勢、數(shù)據(jù)節(jié)點之間相似性指標(biāo)的系數(shù)屬性以及案件情報偵查的實際價值導(dǎo)向需求等要素，對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程和實踐效果及時進行評價，從而促使偵查人員實現(xiàn)對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用能夠及時進行修正和反饋的價值作用。

3.數(shù)據(jù)節(jié)點中心性計算評價方法。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程中，數(shù)據(jù)節(jié)點中心性的計算對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的準(zhǔn)確性具有重要的決定性作用。數(shù)據(jù)節(jié)點中心性的重要性是指數(shù)據(jù)節(jié)點在動態(tài)性數(shù)據(jù)鏈路預(yù)測中的地位，也可以將其當(dāng)作動態(tài)性數(shù)據(jù)中的影響力和制約力。[14]依據(jù)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用中數(shù)據(jù)節(jié)點距離的不同范圍，可將數(shù)據(jù)節(jié)點中心性計算評價方法具體分為數(shù)據(jù)節(jié)點度中心性、數(shù)據(jù)節(jié)點接近中心性以及數(shù)據(jù)節(jié)點介數(shù)中心性三個評價方法。第一，數(shù)據(jù)節(jié)點度中心性評價方法。數(shù)據(jù)節(jié)點度中心性是指預(yù)設(shè)數(shù)據(jù)節(jié)點目標(biāo)與其他數(shù)據(jù)節(jié)點存在數(shù)據(jù)連邊的鄰居數(shù)量，即一個數(shù)據(jù)節(jié)點的數(shù)據(jù)連邊鄰居數(shù)量越多則其價值和作用也就越大。顯然，數(shù)據(jù)節(jié)點度中心性評價是動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用最為直接和簡單的評價方法，具有收斂數(shù)據(jù)速度快、運算成本低、直觀可視化等顯著特點。第二，數(shù)據(jù)節(jié)點接近中心性評價方法。數(shù)據(jù)節(jié)點接近中心性主要是通過動態(tài)性數(shù)據(jù)源中任意數(shù)據(jù)節(jié)點與其他數(shù)據(jù)節(jié)點之間的平均數(shù)據(jù)路徑距離閾值而獲得，如果一個數(shù)據(jù)節(jié)點與其他動態(tài)性數(shù)據(jù)源中任意數(shù)據(jù)節(jié)點的平均數(shù)據(jù)路徑距離閾值越小，那么該數(shù)據(jù)節(jié)點接近中心性的概率就越大。可見，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，數(shù)據(jù)節(jié)點接近中心性評價方法不僅具有提高評價運算的高效性，而且還能夠進一步避免或減少離散數(shù)據(jù)的影響和制約。第三，數(shù)據(jù)節(jié)點介數(shù)中心性評價方法。數(shù)據(jù)節(jié)點介數(shù)中心性評價方法主要作用是衡量一個數(shù)據(jù)節(jié)點與其他數(shù)據(jù)節(jié)點之間存在最短數(shù)據(jù)路徑距離的相似性指標(biāo)系數(shù)的次數(shù)，即動態(tài)性數(shù)據(jù)源中所有其他數(shù)據(jù)節(jié)點之間的最短數(shù)據(jù)路徑距離中經(jīng)過該數(shù)據(jù)節(jié)點的相似性指標(biāo)系數(shù)的次數(shù)，代表該數(shù)據(jù)節(jié)點控制和制約其他數(shù)據(jù)節(jié)點的鏈路預(yù)測收斂速度和效能。因此，在對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的檢驗與修正的過程中，數(shù)據(jù)節(jié)點的介數(shù)中心性評價指標(biāo)系數(shù)越高，說明其在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用中的重要性就越強，那么該數(shù)據(jù)節(jié)點控制與制約其他數(shù)據(jù)節(jié)點的作用也就更強，而對其他數(shù)據(jù)節(jié)點的影響力和依賴性也越大。

四、動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用方法

將動態(tài)性數(shù)據(jù)應(yīng)用到社會生產(chǎn)生活等各個行業(yè)領(lǐng)域之中，是虛擬網(wǎng)絡(luò)空間動態(tài)性數(shù)據(jù)產(chǎn)生和發(fā)展的必然趨勢。尤其隨著各種結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)化數(shù)據(jù)等動態(tài)性數(shù)據(jù)源的高速增長，造成時態(tài)數(shù)據(jù)空間分析、時空風(fēng)險探測分析、空間錨點預(yù)測分析等傳統(tǒng)動態(tài)性數(shù)據(jù)挖掘與分析算法呈現(xiàn)出數(shù)據(jù)節(jié)點指標(biāo)差異性大、數(shù)據(jù)情報銜接缺失、預(yù)測算法準(zhǔn)確度低等突出問題，導(dǎo)致各種復(fù)雜海量的動態(tài)性數(shù)據(jù)源難以被及時高效的挖掘和利用。因此，在虛擬網(wǎng)絡(luò)空間新時代應(yīng)該賦予動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的新方法，這不僅是將動態(tài)性數(shù)據(jù)、鏈路預(yù)測與情報偵查工作互相銜接進行創(chuàng)新和變革的應(yīng)然要求，而且還是預(yù)防和打擊涉嫌犯罪行為數(shù)據(jù)化生存態(tài)勢發(fā)展的實然需求。

(一)局部差異融合鏈路算法

在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，數(shù)據(jù)節(jié)點之間的共同鄰居數(shù)量是常用的相似性指標(biāo)系數(shù)，往往用F(X)和F(Y)來表示兩個數(shù)據(jù)節(jié)點之間存在共同鄰居數(shù)量的集合，而這兩個數(shù)據(jù)節(jié)點的共同鄰居數(shù)據(jù)集合則表示為：F(C)={C1，C2，C3，…，Cn}。局部差異融合鏈路算法的指標(biāo)系數(shù)主要被集中在封閉式動態(tài)性數(shù)據(jù)源的共同鄰居數(shù)據(jù)節(jié)點之中，對共同鄰居任意的數(shù)據(jù)節(jié)點而言其地位都是相同的。[15]共同鄰居數(shù)據(jù)節(jié)點集合不但屬于是動態(tài)性數(shù)據(jù)源中的被包含內(nèi)容，而且其還具有數(shù)據(jù)節(jié)點之間差異性等獨特的屬性。基于此，在局部差異融合鏈路算法中引入Adamic-Adar指標(biāo)系數(shù)和數(shù)據(jù)節(jié)點分配指標(biāo)系數(shù)的數(shù)據(jù)節(jié)點差異性建模模型。即在全部動態(tài)性數(shù)據(jù)源的數(shù)據(jù)節(jié)點鏈路預(yù)測過程中，偵查人員對共同鄰居不同數(shù)據(jù)節(jié)點的相似性指標(biāo)系數(shù)運算之后，按照Adamic-Adar指標(biāo)系數(shù)和數(shù)據(jù)節(jié)點分配指標(biāo)系數(shù)的差異性屬性將與其對應(yīng)的指標(biāo)設(shè)置為倒數(shù)或指數(shù)倒數(shù)的運算范式，從而運算不同數(shù)據(jù)節(jié)點在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查中的價值效果。顯然，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的局部差異融合鏈路算法應(yīng)用中，偵查人員依據(jù)數(shù)據(jù)節(jié)點引力算法在尋找和挖掘其在共同鄰居數(shù)據(jù)節(jié)點集合中的數(shù)據(jù)節(jié)點度分布運算時，還可以考慮加入數(shù)據(jù)節(jié)點的正相關(guān)因子，即Ee。偵查人員利用局部差異融合鏈路算法在分析和研判涉案犯罪情勢數(shù)據(jù)化生存態(tài)勢的發(fā)展變化過程中，可以采取數(shù)據(jù)節(jié)點Z與其他共同鄰居數(shù)據(jù)節(jié)點X和Y的鏈路預(yù)測指標(biāo)的數(shù)據(jù)連邊加權(quán)系數(shù)，進而形成一個對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查具有全局性指導(dǎo)價值的數(shù)據(jù)節(jié)點集合度，即F(X)∩F(Y)∪{X，Y}。從動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點的同質(zhì)性屬性而言，具有相似性指標(biāo)系數(shù)的數(shù)據(jù)節(jié)點往往會產(chǎn)生和形成具有數(shù)據(jù)連邊的一個局部涉案犯罪情勢結(jié)構(gòu)，這在包括犯罪時間數(shù)據(jù)、犯罪空間數(shù)據(jù)、犯罪過程數(shù)據(jù)等很多實體落地情報偵查中能夠得到有效的檢驗和證實。同時，偵查人員還可以利用局部差異融合鏈路算法對不同動態(tài)性數(shù)據(jù)源中的數(shù)據(jù)節(jié)點融合展開運算和分析，從而幫助其計算和確定共同鄰居數(shù)據(jù)節(jié)點集合到任意一個具有相似性指標(biāo)數(shù)據(jù)節(jié)點的最短數(shù)據(jù)路徑和數(shù)據(jù)距離。因此，局部差異融合鏈路算法不僅能夠幫助偵查人員及時有效地確定不同數(shù)據(jù)節(jié)點構(gòu)成共同鄰居數(shù)據(jù)集合的同質(zhì)性程度與加權(quán)系數(shù)，而且還能夠幫助其快速準(zhǔn)確地計算和分析最佳數(shù)據(jù)節(jié)點的數(shù)據(jù)路徑和數(shù)據(jù)距離，從而實現(xiàn)提高動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的收斂速度。

(二)數(shù)據(jù)協(xié)同鏈路預(yù)測算法

在動態(tài)性數(shù)據(jù)源中往往存在多種類型的鏈路預(yù)測范式，而不同的鏈路預(yù)測中還存在已知鏈路預(yù)測、未知鏈路預(yù)測等鏈路預(yù)測的稀疏問題，并且未知鏈路預(yù)測還進一步多于已知鏈路預(yù)測的數(shù)量。[16]由于不同動態(tài)性數(shù)據(jù)鏈路預(yù)測運算范式之間可能也會存在互相影響或互相制約的情況，這就必然要求偵查人員在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用過程中采取數(shù)據(jù)協(xié)同的鏈路預(yù)測算法。即偵查人員在采取一種動態(tài)性數(shù)據(jù)鏈路預(yù)測范式的同時，還可以利用其目前的動態(tài)性數(shù)據(jù)源采取另外一種鏈路預(yù)測范式進行運算，進而提高動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的預(yù)測效能。同時，在一種動態(tài)性數(shù)據(jù)鏈路預(yù)測結(jié)束之后，其預(yù)測情報數(shù)據(jù)繼續(xù)可以被用于其他鏈路預(yù)測范式繼續(xù)進行，這是一個數(shù)據(jù)協(xié)同互補式的鏈路預(yù)測運算循環(huán)過程。鑒于此，偵查人員可以先將結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及異構(gòu)化數(shù)據(jù)等各種不同動態(tài)性數(shù)據(jù)源中的帶標(biāo)數(shù)據(jù)和無帶標(biāo)數(shù)據(jù)互相融合起來，然后將當(dāng)前動態(tài)性數(shù)據(jù)鏈路預(yù)測的目標(biāo)對象限定為有限的帶標(biāo)數(shù)據(jù)，而其他鏈路預(yù)測的目標(biāo)對象則為無標(biāo)數(shù)據(jù)。顯然，在數(shù)據(jù)協(xié)同鏈路預(yù)測算法的應(yīng)用過程中，每種不同動態(tài)性數(shù)據(jù)鏈路預(yù)測算法的價值效果優(yōu)勢決定了利用不同的帶標(biāo)數(shù)據(jù)或無標(biāo)數(shù)據(jù)。另外，不同的動態(tài)性數(shù)據(jù)鏈路預(yù)測范式在數(shù)據(jù)協(xié)同互補的鏈路預(yù)測時候還存在利用相同或相似的動態(tài)性數(shù)據(jù)源現(xiàn)象，進而有利于偵查人員能夠快速有效地挖掘與分析其內(nèi)在具有相關(guān)性的各種數(shù)理關(guān)系。數(shù)據(jù)協(xié)同鏈路預(yù)測算法的本質(zhì)是屬于一種典型的動態(tài)性數(shù)據(jù)迭代算法，主要根據(jù)數(shù)據(jù)節(jié)點相似性指標(biāo)系數(shù)來計算和挖掘每條動態(tài)性數(shù)據(jù)鏈路預(yù)測的價值與作用。誠然，數(shù)據(jù)協(xié)同鏈路預(yù)測算法具有對不同動態(tài)性數(shù)據(jù)源進行多種鏈路算法協(xié)同預(yù)測的情報偵查價值作用。每次在迭代推理過程中都可以同時預(yù)測出多種可能并存的鏈路預(yù)測算法，進而幫助偵查人員實現(xiàn)對準(zhǔn)確度比較高的鏈路預(yù)測算法給予數(shù)據(jù)鄰居矩陣進行加權(quán)系數(shù)更新和選擇。因此，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，數(shù)據(jù)協(xié)同鏈路預(yù)測算法不僅具有提升動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用準(zhǔn)確高效的價值，而且還具有能夠為其他不同鏈路預(yù)測算法提供互相補充、互相協(xié)同的印證作用。

(三)AdaBoost鏈路預(yù)測優(yōu)化算法

Polikar R等學(xué)者經(jīng)過對集成學(xué)習(xí)(ensenmble learning)研究后得出結(jié)論：人們在對各種相關(guān)問題進行最后決策時，往往會在做出決策前不斷尋找出多種不同可能存在的決策方法與決策結(jié)果。只有對可能存在不同決策方法與決策結(jié)果進行互相權(quán)衡利弊之后，才能夠促使人們從而選取出最佳的決策方法與決策結(jié)果。[17]與單一的決策方法系統(tǒng)相比較而言，多種不同決策方法系統(tǒng)的決策集成會形成更加利益最大化的決策結(jié)果。同樣的選擇決策方法原理也適用于統(tǒng)計機器學(xué)習(xí)研究范疇，即單一的數(shù)據(jù)分類器在不同的數(shù)據(jù)挖掘與分析結(jié)果上可能存在不同的運算結(jié)果，而依據(jù)特定原則對多種不同數(shù)據(jù)分類器進行數(shù)據(jù)集成后，則可能實現(xiàn)某種數(shù)據(jù)算法效能的全面提升，從而起到降低數(shù)據(jù)收斂時間和運算結(jié)果風(fēng)險等的實然效果。而Boosting方法就是一種對數(shù)據(jù)集成學(xué)習(xí)非常有效的運算方法，其具有典型的提升任意給定學(xué)習(xí)算法高效性和準(zhǔn)確性的突出作用。[18]

在Boosting方法研究的基礎(chǔ)之上，學(xué)者Schapire和Freund等人于1995年提出Boosting方法的典型代表算法，即AdaBoost鏈路預(yù)測優(yōu)化算法。AdaBoost鏈路預(yù)測優(yōu)化算法顯著的價值優(yōu)勢在于人們在動態(tài)性數(shù)據(jù)鏈路預(yù)測的過程中，不需要任何關(guān)于數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理以及數(shù)據(jù)倉庫構(gòu)建等前置性的專業(yè)運算知識和經(jīng)驗，其基本的運算原理是賦予人們對動態(tài)性數(shù)據(jù)源進行數(shù)據(jù)分類預(yù)設(shè)閾值正確的較低加權(quán)指標(biāo)系數(shù)，同時提高數(shù)據(jù)分類預(yù)設(shè)閾值失真和偏差的最高加權(quán)指標(biāo)系數(shù)，從而促使人們能夠得到加權(quán)指標(biāo)組合系數(shù)精確度很高的動態(tài)性數(shù)據(jù)分類器。而在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，偵查人員可以全面采取和引入AdaBoost鏈路預(yù)測優(yōu)化算法。首先，偵查人員可以將動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用當(dāng)作一個涉及動態(tài)性數(shù)據(jù)二分類的相關(guān)問題，并將動態(tài)性數(shù)據(jù)源中可能存在數(shù)據(jù)連邊關(guān)系的數(shù)據(jù)節(jié)點分為兩大類即存在數(shù)據(jù)連邊和不存在數(shù)據(jù)連邊。然后，采取AdaBoost鏈路預(yù)測優(yōu)化算法通過挖掘與分析將與涉案犯罪情勢具有弱相關(guān)性數(shù)理關(guān)系的數(shù)據(jù)節(jié)點轉(zhuǎn)換為具有強相關(guān)性數(shù)理關(guān)系的數(shù)據(jù)節(jié)點。最后，根據(jù)涉案犯罪行為與非犯罪行為關(guān)聯(lián)規(guī)則模型而采取AdaBoost鏈路預(yù)測優(yōu)化算法作為動態(tài)性數(shù)據(jù)源的重要數(shù)據(jù)分類器，從而幫助偵查人員能夠及時有效地挖掘與分析出隱藏在不同動態(tài)性數(shù)據(jù)源背后且與涉案犯罪情勢具有內(nèi)在的各種相關(guān)性數(shù)理關(guān)系。在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用過程中，AdaBoost鏈路預(yù)測優(yōu)化算法不僅能夠降低情報偵查預(yù)測的誤報率和提高動態(tài)性數(shù)據(jù)鏈路預(yù)測的靈敏度，而且還能夠進一步提高動態(tài)性數(shù)據(jù)鏈路預(yù)測算法的召回率，從而實現(xiàn)提高動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的關(guān)聯(lián)性和準(zhǔn)確性。

(四)粒子群鏈路預(yù)測優(yōu)化算法

在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，偵查人員在發(fā)現(xiàn)和獲取到各種動態(tài)性數(shù)據(jù)源的數(shù)據(jù)節(jié)點特征、數(shù)據(jù)節(jié)點標(biāo)簽等數(shù)據(jù)結(jié)構(gòu)后便可以直接將其應(yīng)用到情報偵查中。然而，偵查人員在面對非結(jié)構(gòu)化數(shù)據(jù)、異構(gòu)化數(shù)據(jù)等復(fù)雜特殊的動態(tài)性數(shù)據(jù)源時如果將其挖掘與分析結(jié)果直接應(yīng)用于動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查之中，那么實際應(yīng)用效果就會造成出現(xiàn)情報偵查預(yù)測和情報偵查決策的失真或偏差，部分甚至還會導(dǎo)致案件出現(xiàn)情報偵查錯誤或情報偵查僵局等現(xiàn)象。造成產(chǎn)生的原因主要包括兩個方面：一方面，動態(tài)性數(shù)據(jù)源中有數(shù)據(jù)連邊的數(shù)據(jù)節(jié)點數(shù)目往往小于沒有數(shù)據(jù)連邊的數(shù)據(jù)節(jié)點數(shù)目，造成偵查人員不能及時有效地發(fā)現(xiàn)和確定與涉案犯罪情勢具有內(nèi)在相關(guān)性的各種數(shù)理關(guān)系；另一方面，傳統(tǒng)動態(tài)性數(shù)據(jù)鏈路預(yù)測算法是在有監(jiān)督的情勢下進行，就必然會導(dǎo)致數(shù)據(jù)節(jié)點、數(shù)據(jù)路徑以及數(shù)據(jù)距離等出現(xiàn)數(shù)據(jù)維度冗余等現(xiàn)象，嚴(yán)重地影響和制約了動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的客觀性和效能性。

(五)數(shù)據(jù)節(jié)點親密度鏈路預(yù)測算法

(六)文本增強鏈路預(yù)測算法

盡管在目前已有部分鏈路預(yù)測算法中引入文本數(shù)據(jù)增強相關(guān)因素，但是也僅局限于將文本數(shù)據(jù)增強作為一項特殊的數(shù)據(jù)節(jié)點考慮。文本增強鏈路預(yù)測算法屬于一種異構(gòu)動態(tài)性數(shù)據(jù)源的鏈路預(yù)測算法。我們認(rèn)為，在動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用的過程中，可以將文本數(shù)據(jù)轉(zhuǎn)換為文本矩陣特征，然后采取數(shù)據(jù)矩陣相似性算法將文本矩陣特征融入到對動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點的鏈路預(yù)測算法之中。文本增強鏈路預(yù)測算法的本質(zhì)就是在利于神經(jīng)矩陣分解模型運算與挖掘數(shù)據(jù)節(jié)點、數(shù)據(jù)路徑以及數(shù)據(jù)距離等數(shù)據(jù)結(jié)構(gòu)之后，再對被挖掘與分析出來的矩陣特征進行鏈路預(yù)測運算。[21]顯而易見，文本增強鏈路預(yù)測算法與傳統(tǒng)引入文本數(shù)據(jù)增強的鏈路預(yù)測算法有著本質(zhì)性的區(qū)別。偵查人員在采取文本增強鏈路預(yù)測算法的過程中，首先將TADW算法與動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查目標(biāo)互相結(jié)合，然后將結(jié)合后所形成的文本數(shù)據(jù)矩陣T分解為偵查預(yù)測和偵查對策目標(biāo)的矩陣M，其次利用余弦數(shù)據(jù)節(jié)點相似性算法對動態(tài)性數(shù)據(jù)源中各個數(shù)據(jù)節(jié)點進行鏈路預(yù)測，最后尋找和確定不同數(shù)據(jù)節(jié)點之間的相似性指標(biāo)系數(shù)和數(shù)據(jù)節(jié)點度。顯然，文本增強鏈路預(yù)測算法主要是利用TADW算法模型來對動態(tài)性數(shù)據(jù)源中各個數(shù)據(jù)節(jié)點的相似性指標(biāo)系數(shù)展開挖掘與分析。依據(jù)TADW算法模型的數(shù)據(jù)節(jié)點運算復(fù)雜性和案件偵查情勢的發(fā)展變化態(tài)勢不同，偵查人員可以將動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查應(yīng)用中數(shù)據(jù)節(jié)點相似性表示為：Sij=sim(i·j)/(‖i‖·‖j‖)，同時將動態(tài)性數(shù)據(jù)源中的數(shù)據(jù)節(jié)點文本矩陣設(shè)為T，原始的數(shù)據(jù)節(jié)點為G，基于文本增強鏈路預(yù)測運算公式之一F(X)=(A+A2)/2，將獲取后數(shù)據(jù)節(jié)點的矩陣特征表示為M。至此，偵查人員利用文本增強鏈路預(yù)測算法對所獲取的數(shù)據(jù)節(jié)點矩陣特征M進行分解，得到分解后新的數(shù)據(jù)節(jié)點矩陣W、H、T，而新數(shù)據(jù)節(jié)點矩陣W、H、T都包含原數(shù)據(jù)節(jié)點矩陣M的分解因子。因為文本增強鏈路預(yù)測算法流程主要包括數(shù)據(jù)節(jié)點特征運算、數(shù)據(jù)表示學(xué)習(xí)、數(shù)據(jù)節(jié)點相似性矩陣以及數(shù)據(jù)節(jié)點鏈路預(yù)測等運算流程。所以，從實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)然價值效果而言，文本增強鏈路預(yù)測算法不僅具有避免或減少數(shù)據(jù)節(jié)點相似性指標(biāo)差異性的突出作用，而且還促使不同數(shù)據(jù)節(jié)點所形成的數(shù)據(jù)情報能夠及時有效的銜接，從而實現(xiàn)全面提高動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的運算準(zhǔn)確性和高效性。

綜上所述，動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法是現(xiàn)代虛擬空間網(wǎng)絡(luò)內(nèi)對不同動態(tài)性數(shù)據(jù)源進行運算與挖掘的一種新型情報偵查方法，并且還包括局部差異融合鏈路算法、數(shù)據(jù)協(xié)同鏈路預(yù)測算法、AdaBoost鏈路預(yù)測優(yōu)化算法、粒子群鏈路預(yù)測優(yōu)化算法以及數(shù)據(jù)節(jié)點親密度鏈路預(yù)測算法、文本增強鏈路預(yù)測算法等多種的動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法，且不同的動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法都有著不同的鏈路預(yù)測算法優(yōu)勢。基于此，引入動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查方法研究范式。以動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的內(nèi)涵與屬性為研究邏輯起點，構(gòu)建動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的流程模型，提出動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的指標(biāo)體系與評價方法，并對動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)用方法展開研究。這不僅促使偵查人員能夠提高對不同動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點指標(biāo)鏈路預(yù)測的互補性和異常數(shù)據(jù)節(jié)點識別與分析的精確度，而且還能夠幫助其強化各動態(tài)性數(shù)據(jù)源中數(shù)據(jù)節(jié)點的內(nèi)部相關(guān)性和結(jié)構(gòu)關(guān)聯(lián)性以及提升挖掘與利用算法預(yù)測的準(zhǔn)確度，從而實現(xiàn)動態(tài)性數(shù)據(jù)鏈路預(yù)測情報偵查的應(yīng)然價值和實然效果。