多层耦合社会网络中的信息扩散动力学研究

Online social networks are usually multilayer coupled networks and different types of relationships define different network layers. The previous studies on single-layer networks cannot understand the mechanisms for network formation better and it is also difficult for them to clarify the dynamic processes on the networks. This project will study the information diffusion dynamics in multilayer coupled social networks. First we will reveal the mechanisms for the formation of multiplayer networks from the perspectives of network structure and users' demography attributes, and use preferential attachment and exponential random graph models to propose multilayer network models integrating network structure and user attributes. Then we will use information affinity and the similarity between users to reveal the information diffusion mechanisms in multilayer networks. Finally we will use branching processes and compartmental spreading models to propose and analyze the information diffusion dynamics models in multilayer networks. The innovations of this project are revealing the differences among the mechanisms driving the formation of different layers of social networks from the perspective of multilayer networks and clarifying the information diffusion patterns in multilayer networks from the perspective of users' decisions of forwarding information. The important scientific significance and academic value of the study is, not only revealing the structural characteristics and formation mechanisms of multilayer social networks, but more importantly understanding the information diffusion dynamic processes and mechanisms in multilayer social networks more comprehensively and deeply, and promoting the improvement and development of multilayer coupled social network theory.

在线社会网络往往由多层网络耦合在一起，不同的关系类型定义了不同的网络层。以往对单层网络的研究不仅不能更好的理解网络的形成机制，也难以阐明网络上的动力学过程。本项目将研究多层耦合社会网络中的信息扩散动力学，首先从网络结构和用户的社会学属性两个角度揭示多层网络形成的机制，并利用优先连接、指数随机图模型等构建融合结构和用户属性信息的多层网络模型，之后利用信息亲和性和用户间的相似性揭示多层网络中的信息扩散机制，最后利用分支过程、房室模型等构建并分析多层网络中的信息扩散动力学模型。本研究的创新之处在于从多层网络角度揭示不同层社会网络的形成机制存在的差异，并从用户转发信息的决策角度阐明多层网络中的信息扩散模式。其重要的科学意义和学术价值在于，不仅可以揭示多层社会网络的结构特性和形成机制，更重要的是可以更全面深入的理解多层社会网络中的信息扩散动力学过程和机制，促进多层耦合社会网络理论的完善和发展。

在线社会网络是目前一个重要的跨学科研究领域，这类网络往往由多层网络耦合在一起，本项目对多层耦合社会网络中的信息扩散动力学进行了研究。.首先研究了在线社会网络的形成机制，揭示了各机制背后的原因及对网络演化的影响。提出了分析社会网络中择优连接行为的一般性框架和模型，发现在择优连接机制下，网络度分布的解析形式只能是有限种函数的组合，这些函数与有理、对数和反正切函数相关。择优连接机制为其生成的网络度分布的数学形式设置了限制。.之后运用Twitter-LDA主题模型对新浪微博数据进行了分析，发现用户间的主题兴趣具有三度相关性，不同主题微博被转发的概率存在显著差异，微博扩散树中各类主题在扩散深度、扩散时间间隔和用户的扩散能力方面存在不同。进一步的，构建了基于用户行为的微博扩散模型SIRUB，发现只有同时考虑阅读和转发概率时模型才能较准确地预测用户的转发行为。该模型对转发行为预测的F-score高于SIR和SICR模型，对微博扩散范围的预测优于SIR和SICR模型。.最后，对社会网络中的信息/舆论扩散进行了研究。基于Voter模型研究了社会网络和大众媒体对舆论的影响，发现对于非媒体观点，其最终比例一部分来自顽固个体，另一部分则来自个体间的社会影响所产生的增量；对于媒体观点，发现媒体会通过社会网络放大其对个体的影响，在此社会网络担当了社会放大器的角色。基于DeGroot模型研究了多层网络结构对舆论扩散的影响，发现非顽固节点的观点最终将被约束到顽固节点观点的凸组合。若网络中仅有部分节点为耦合节点，顽固节点为非耦合节点，那么即使这些顽固节点只存在于某一层，它们也能影响到多层网络中的所有一般节点。此外，研究了社会网络上的竞争性观点扩散模型，模型考虑了节点的适应度，解析地得到了每种观点最终会渗透到整个社会的概率，或每种观点在稳态时的比例。.本项目的研究揭示了社会网络的形成机制，以及多层网络结构和节点属性对信息/舆论扩散动力学的影响，促进了多层耦合社会网络理论的发展。