基于计算实验的在线社会网络演化规律和信息传播动力学研究

Using the theories and methods from statistical physics, complexity science and complex networks, we will research the information spreading data on the social networks such as the Sina microblog in detail. We will analyse the structure and the evolution of the online social network and the information diffusion network respectively, obtain the individuals' behaviors and interacting patterns in the information transmission process, as well as the underlying dynamic mechanisms that may affect the information dissemination. Combined the empirical results and proposed mechanisms, the computational experimental model will be constructed, and the model calibrating method based on the macroscopic law of the datasets will also be proposed. Therefore, it will help us to understand the information spreading mechanic on the social network in depth. In addition, based on the idea of "scenario-response", we will design computational experiment on some problems such as the control of public opinion and the product information dissemination on the social networks, to analyse the probable solutions of the corresponding social problem. The research will deepen our understanding of the social network evolution and the informatioin spreading dynamics, and push forward to solve the related social problems.

本项目拟采用统计物理、复杂网络理论和非线性动力学方法，利用新浪微博等多个在线社会网络上的信息传播数据，分析在线社会网络和信息传播网络的结构、演化规律及其相互作用关系，挖掘信息传播过程中的个体行为规律和交互行为特征，揭示其中的标度率和普适性，提炼出影响信息传播的微观机制；结合数据本质特征和传播机理分析，进行个体计算实验建模，并基于实证数据的宏观涌现特征和演化规律提出模型校准方法，从而更深入地理解在线社会网络上的信息传播机制；基于"情景-应对"研究思想，针对社会网络上的谣言扩散等舆情防控问题和产品信息发布问题设计计算实验，得到特定情景下的信息传播过程的模拟和预测，分析并提炼出相应社会问题可能的应对措施。本项目的研究将深化人们对社会网络演化机制和信息传播动力学的理解，对解决信息传播相关社会问题有进一步的推动意义。

在线社会网络上的信息传播动力学研究是网络科学研究中的重要问题和研究热点。本项目的主要研究内容是利用大量的在线社会网络上的信息传播数据，分析在线社会网络和信息传播网络的结构、演化规律及其相互作用关系，构建传播动力学模型对在线社会网络上的信息传播的内在机制进行探索，并对特定情景下的信息传播过程进行模拟和预测，进而为相应的信息传播和推荐等实际问题提供参考。..经过三年的研究，项目组在信息传播方面形成了一系列的研究成果，发表了29篇研究论文，其中24篇被SCI收录（一篇信息传播研究综述，发表在Physics Reports上），EI收录三篇，申请发明专利一项。具体来说，代表性的研究成果概述如下：..第一，在在线社会网络结构演化和信息传播实证研究方面，项目组以新浪微博的数据为主要研究对象，首先通过对信息传播统计特性的分析，发现了信息传播的结构和规模的分布特征以及事件特征对于传播模式的影响；通过信息传播的特征分析，我们寻找到了用户属性和兴趣、用户之间的关系与信息传播之间的相关性；通过含权网络的结构分析，揭示出了权重对于信息传播速度和规模的影响，这些实证结果，为进一步进行信息传播的模型研究和预测提供了基础。..第二，在在线社会网络上的信息传播模型研究方面，项目组主要基于流行病传播的模型框架，重点考虑的信息传播的特点，辅以实证观察的现象特征，构建信息传播模型，更深入的理解传播过程和现象。考虑用户之间的非冗余接触，基于费米函数构建了动态网络上的信息传播模型，结果表明在网络结构的动态演化有利于信息传播；考虑了用户接触的选择性差异和传播概率的衰减，构建了单点接触的信息传播模型；考虑网络权重对于用户选择偏好的影响，提出了不同的用户接触策略进而构建了含权网络上的传播模型。..第三，在在线社会网络的信息传播预测和信息推荐的应用研究方面，项目组主要通过用户在线行为特征分析，构建用户兴趣的挖掘算法，帮助用户寻找更合适的信息，进而推动社会信息更有效地传播。我们主要提出了基于LambdaMart方法的信息转发排序算法，基于贝叶斯个性化排序的信息排序算法，基于矩阵分解的信息过滤算法，基于重力模型的信息推荐算法等，这些方法的提出都在一定程度上提高了用户对信息的接收度，进而促进在线社会网络的传播效率。..该项目已经达到了预期的研究目标，项目的研究深化和丰富了人们对于信息传播过程的科学认识，为后续对信息传播以