社交网络中信息主体的行为模式分析及应用研究

Under the background of big data, the project aims to investigate these key questions on multilayer social network, actors' behavioral pattern and information recommendation in the view of multilayer network, especially for the interactions between actors’ relationships and diverse behavioral activities. First, we comparatively analyze diverse multilayer social networks to unveil the commonness and difference, study the evolutional mechanism of their topology structures to construct the model, and detect their mesoscopic and kernel structures. Second, the temporal-spatial characters of actors' behavioral pattern are statistically investigated to discover the universality at collective level and personalization at individual level, then, based on the diverse actors' activities, we analyze the associations among them during different time intervals as well as their evolution. At last，aiming to the existing drawbacks in information recommendation technology, we apply the empirical results of analyzing social network and behavioral patterns to design or improve the recommendation algorithms for realizing the personalization and dynamics of information recommendation. These investigations in our project help us not only enhance the understanding on the structure characters of social networks, the behavioral patterns of actors and the interactions between them, but also technologically improve the information services for significant economic advantages.

大数据背景下，本项目拟从多层网络视角，对相互关联的三个对象多层社交网络、信息主体（用户）行为模式和信息推荐展开有针对性的研究，注重研究用户关系与用户行为活动之间的相互影响和耦合作用。首先，对不同类型的多层社交网络进行比较分析和检测，重点研究其中尺度结构和核层结构；对多层社交网络进行演化分析，揭示其可能的演化机制并构建演化模型。其次，研究信息主体行为模式的时空统计特性，分析其在宏观尺度上的普适性规律和微观尺度上的个性化特征；研究不同类型的行为活动之间的关联关系及其时序特征和演化机制。最后，针对现有信息推荐技术存在的问题，将多层社交网络分析和信息主体行为模式分析的研究结果应用于信息推荐，设计或改进推荐算法，实现信息推荐的个性化和动态化。本项目的研究不仅在有助于更好的理解社交网络的结构特征、信息主体的行为模式及它们之间的相互作用关系，而且在技术应用上有助于改善信息服务，产生重要的社会经济价值。

大数据背景下，本项目从多层网络视角，采用数据驱动方式，对基于信息主体（用户）相互关联的三个对象-社交网络、行为模式和信息推荐展开有针对性的研究，注重研究用户关系与用户行为活动之间的互相影响和耦合作用，并扩展应用于基于多层网络的社会-生物传播动力学的研究。因此，本项目的研究工作主要归结为四个部分：首先，本项目开展了从实际复杂网络系统（不限于社交网络）产生的海量数据中抽取其网络结构，实证研究网络拓扑特性，挖掘复杂网络系统的普适性特征，提炼研究复杂网络系统的新方法论，为后续构建模型提供数据支撑；其次，本项目研究在线社交网络上主体行为活动在个体和群体层次的动力学模式，揭示主体行为活动的动力学模式的形成机制；第三，本项目研究基于在线社交网络的信息推荐问题，改进基于协同过滤和基于网络推理的推荐算法；第四，本项目拓展了新的应用研究，重点研究了基于多层（耦合）网络的社会-生物传播动力学。这些研究工作涵盖了所有的研究内容，部分或基本完成既定的研究目标。本项目的研究不仅在有助于更好的理解社交网络的结构特征、信息主体的行为模式及它们之间的相互作用关系，而且在技术应用上有助于改善信息服务，产生重要的社会经济价值。同时，本项目取得较丰硕的理论成果，已经撰写28篇学术论文，其中发表 （接受）标注资助的SCI检索论文17篇和EI检索论文2篇。部分论文发表在相关领域的一流学术期刊，包括中科院JCR一区期刊Reports on Progress in Physics，中科院JCR二区期刊New Journal of Physics、Physical Review E、Chaos、Europhysics Letters。秉承自然科学基金培养基础研究人才的宗旨，本项目培养一批优秀的青年教师、博士/硕士研究生。在自然科学基金部分资助下，本项目组加强与国内外高校的交流合作，如国内的北京邮电大学、华东师范大学、重邮邮电大学等，国外的美国波士顿大学、东北大学、亚利桑那州立大学等，并积极参与国内/国际学术会议。