面向异质社会网络的信息扩散研究

With the rapid development of online social networks, traditional media is gradually replaced by social media, thus information diffusion based on social network is wider and wider, and the impact on society, economy and national public security is becoming deeper and deeper. Most contemporary researches on information diffusion focus on homogeneous information networks, without distinguishing different types of objects and links in the networks. However, many social networks are heterogeneous, containing a variety of different types of objects and links. The richer structure and semantic information containing in heterogeneous social networks provide plenty of opportunities as well as a lot of challenges for the research on information diffusion. This project will carry out researches on the quantitative technique of influence, the diffusion model and the diffusion process of information in heterogeneous network, including: (1) the research on the methods of measuring quantitatively spreading probability and influence of objects; (2) the research on diffusion models, diffusion laws, and factors that affect the spread of information and their internal relations; (3) the research on the methods for selecting nodes that have the maximal influence and for improving the precision of prediction on diffusion range in heterogeneous social networks. In addition, an experimental system will be developed to collect data and test the performance of presented algorithms. The implementation of the project will enrich the system of theory and method on information diffusion research in social networks, and lay a foundation for mining and using heterogeneous social networks.

随着在线社会网络的迅速发展，传统媒介逐渐被社交媒体取代，使得基于社会网络的信息扩散越来越广泛，对社会、经济和国家公共安全的影响也越来越深入。当前大部分的信息扩散研究都聚焦在同质网络，忽略了网络中对象和连接的不同类型。然而许多社会网络都是异质的，即网络包含多种不同类型的对象和连接。异质网络融合了更多的信息，包含了更丰富的语义，为信息扩散研究带来了新的机遇和挑战。本项目研究异质社会网络中信息扩散的量化技术、扩散模型和扩散过程，包括：（1）研究定量度量扩散概率及对象影响强度的方法；（2）研究刻画信息扩散过程的扩散模型，探索信息扩散的规律，分析影响信息扩散的因素及其内在联系；（3）研究选择能使影响最大化的初始节点集合，以及准确预测信息扩散动态特性的理论和方法，并研发实验系统辅助数据采集和算法测试。研究旨在丰富社会网络中信息扩散研究的理论与方法体系，为充分挖掘、利用异质社会网络奠定基础。

随着在线社会网络的迅速发展，基于社会网络的信息扩散越来越广泛，对社会、经济和公共安全的影响也越来越深入。许多社会网络都是异质的，即包含多种不同类型的对象和连接。异质网络包含了更丰富的信息和语义，为信息扩散研究带来了新的机遇和挑战。.项目组系统地研究了信息扩散的相关理论及模型，对影响图、矩阵分解、张量分解、深/宽度学习的经典模型进行扩展并应用于多个领域。.项目组系统地研究了异质网络中信息融合和模式挖掘技术，提出了基于正点对互信息、融合拓扑结构和节点属性以及社区结构、融合全局线性/非线性关系的网络嵌入模型；提出了基于网络稀疏和多流正则、基于自动编码器、基于多重非负矩阵分解的多视图聚类方法；提出了基于网格耦合的数据流聚类和异常检测算法；提出了基于多关系社区检测的时序聚类方法和EM聚类过采样算法；提出了基于加权元路径、图结构分析的异质网络结构洞检测算法；提出了基于图正则非负矩阵分解的社区检测方法和流行社交位置发现算法。.项目组系统地研究了社会影响建模及信息扩散最大化、扩散预测技术，提出了基于元路径信息熵、网络嵌入、社区紧密度、社区结构、元路径/元图的邻接信息熵的影响力最大/小化模型；提出了基于张量分解的地理传感器数据预测和多分辨率空间事件预测模型；提出了LDA-DeepHawkes信息级联预测模型和融合多种信息的虚假信息早期检测模型；提出了基于聚类的超链路预测算法。.项目组研究成果包括：在科学出版社出版著作2部，在国内外重要期刊和会议上发表学术论文33篇，其中SCI收录5篇，EI收录18篇，CPCI-S收录2篇，CSCD收录7篇; 授权专利3项; 22名硕士研究生获硕士学位; 获得云南省自然科学奖三等奖1项，NDBC 2018萨师煊优秀论文奖1项。.项目组的研究成果在理论上丰富和发展了信息扩散的理论、模型和算法，在应用上对社会网络演化、信息传播模式的分析等诸多问题提供有效的支撑技术及新的解决思路。.