社会网络的结构演化分析及其在舆情和疫情预警及控制中的应用

深入挖掘社会网络的结构与演化特性对于评估与控制传染病爆发这类非常规突发事件，以及监测和预防伴随突发事件而衍生的谣言和恐慌情绪的蔓延，都有重要意义。本项目将收集大量真实数据，分析各种社会网络在结构上的共性和特性，揭示其演化发展的一般规律，并建立模型。在此基础上，结合最近关于人类空间移动模式和行为时间特性的统计特征，建立具有地理效应和区别接触频率的含权的社会接触网络，并研究其上传染病传播的规律，以及隔离控制的策略。将开发自动化文本挖掘处理软件，实时获取分析非常规事件演化过程中的舆情，再现舆情发生、发展、传播、蔓延的过程。将充分考虑人群面对突发事件时的心理压力，建立对更符合实际舆情传播的动力学模型，揭示舆情传播的主要途径和统计规律，并与真实的传播数据比较，再现实证规律。项目组将开发传染病流行和舆情传播的仿真平台，以及舆情挖掘-监测-预警的实验系统，为相关理论研究和管理决策提供支持。

预设研究内容包括：社会网络的结构、演化和建模；基于社会接触网络的传染病流行规律、预警和控制；基于社会通讯网络的舆情传播规律、预警和控制。预期从实证分析，基本数学模型，以及应用三个方面展开研究工作。项目执行一年后，研究重点调整为基础理论研究。.项目主要结果包括：（1）开发了网络舆情信息分析系统，在舆情信息采集、舆情信息识别、舆情观点提取、舆情态势分析和舆情信息展示等方面提出了系列技术和解决方案；（2）提出一种挖掘社会网络中意见领袖的方法，具有准确度高、鲁棒性好、无参数等优点。其次，为简化计算，提出了一种基于邻域信息的无向网络中最具影响力节点的识别方法。更进一步，发现典型社会网络中意见领袖的领导力具有无标度特性，分析了其形成机制，发现意见领袖的形成遵从“好者愈富”的机制，对于塑造在线媒体中的意见领袖具有重要意义；（3）提出一个新的消息传播模型，结果表明当只接收到一次信息就确认的概率较小的时候规则网络的传播比随机网络更快更广，并且小世界能够达到最好的传播效果；（4）在多种典型网络中研究了疾病接触传播的可变性问题，发现全局预测性较好，但在具有局域社区的网络中，病毒爆发早期具有极大的可变性，这表明传播的准确预测是不可行的；更进一步，研究了空间层次网络中不同接触模式对于信息/病毒传播的影响，发现高层的初始感染节点将导致极大的可变性，而低层初始节点则导致了长时间的多峰可变性，从而揭示空间层次网络中传播过程的不可预测性；（5）研究了网络传播的控制问题。发现在疾病传播初期重连机制会导致很强的社区结构，从而延迟疾病的爆发，进而研究了从不同时期开始的控制策略对疾病传播的影响，发现免疫和隔离策略的最佳的控制时间是在社区性较强时，而且基于社区结构的隔离策略比基于社区结构的免疫策略效果更好；其次，分析了网络热点事件关注度的时空演变规律，发现关注度的地区分布存在极大的异质性，并与经济和教育水平强关联，舆论引导显著影响事件的关注度，发达地区的舆论引导更有效。.各考核指标均大大超出预期：（1）共发表论文58篇，其中权威SCI期刊论文35篇，包括NJP 2篇，PLoS One 2篇，Chaos 3篇，PRE 6篇，EPL 5篇。数量多，质量高，得到众多同行引用和媒体报道，在国际上有一定影响力。（2）项目合作方主要研究成员均回国任职且被聘为正教授；（3）获得授权发明专利4件，软件著作权1件。