在线社会关系网络中消息流行度的建模与预测研究

In online social networks, such as social networking sites and social media sites, information propagation is the tie among information content, individuals' behavior and the structure of underlying network. Nowadays, social data is increasingly available to investigate the interlinked factors in information propagation. This provides a unprecedented opportunity to discover the intrinsic patterns and fundamental laws, which emerge in or govern the information propagation. For a given message, predicting its popularity accurately is critical to the regulation and utilization of online social networks. However, the prediction of popularity is a very challenging task because of the spontaneous individual behavior, the multi-scale individual influence, and the interlinked factors influencing information propagation. In this proposal, we focus on the microscopic mechanism behind information propagation. For the purpose of popularity prediction, we first investigate the pattern of individual behavior, the spread of influence and the information propagation model. We aim to uncover the fundamental laws of information propagation and develop effective methods to predict the popularity of online content. The results and tools will be applied to companies or organizations with relevant interests.

以社交网络和社会媒体为代表的在线社会关系网络中，信息传播是衔接信息内容、用户行为、网络结构的纽带，利用大量可感知、可计算的在线社会关系网络数据，分析影响信息传播的复杂关联因素，探索信息传播的固有模式和内在规律，并对信息传播态势进行准确预测，是提高对在线社会关系网络有效利用能力和科学管理水平的关键。然而，在线社会关系网络中，个体行为的不确定性、影响力的尺度多样性、影响信息传播因素的复杂关联，使得在线社会关系网络中消息流行度的建模和预测研究面临着严峻的科学技术挑战。本项目着眼于信息传播的微观机理，从个体行为、影响力和传播模型三个方面出发，研究在线社会关系网络中消息流行度的建模和预测，旨在揭示网络信息传播的内在规律，形成网络信息传播态势分析和预测的有效工具，并部署应用到相关业务单位，产生实在的社会和经济效益。

项目执行期间，根据项目任务书，从网络结构挖掘、传播行为建模、影响力度量、信息传播预测四个方面展开在线社会关系网络中消息流行度的建模与预测研究，取得了一系列有特色的研究成果，包括网络社区发现方法、信息传播建模方法、人际影响力度量方法、信息流行度预测方法等，得到了国内外研究同行的广泛认可和跟进，形成了持续的学术影响力。受项目资助，发表论文39篇（期刊论文21篇，会议论文18篇），其中12篇论文被SCI收录，19篇论文被EI收录，12篇论文发表在IEEE TKDE、AAAI、IJCAI、WWW等CCF推荐的A类期刊或会议上，目前Google Scholar引用累计300余次。..取得的代表性研究成果有：（1）网络结构挖掘方面，提出了基于非负对称编解码的社区发现方法，通过在网络编码中添加非负对称约束，使网络编码得到的节点表示天然地体现节点的社区归属，大大提高了社区发现的效率和精度；（2）传播行为建模方面，提出了基于注意力机制的信息级联传播建模方法，克服了传统序列化或链式结构模型无法刻画级联传播中的交叉依赖问题；（3）影响力度量方面，提出了基于用户表示学习的人际影响力度量方法，通过将个体影响力和易感度分开建模，有效克服了传统人际影响力度量方法存在的“过表达”和“过拟合”问题，预测精度显著超过了经典的点对型人际影响力度量方法；（4）信息传播预测方面，提出了基于霍克斯过程的信息传播预测方法，将影响信息传播的时序、结构、用户等因素统一建模在一个框架内，很好地兼顾了信息传播预测的精度和可解释性；（5）成果应用方面，研制的“社会化媒体数据的感知与处理关键技术及应用”系统，获得北京市科学技术奖二等奖。..人才培养方面，直接参与项目研究工作的9名博士生获得博士学位，1名硕士生获得硕士学位，1名硕士生转博，1名参与项目研究工作的博士后出站。项目负责人被中国科学院计算技术研究所评为研究员、博士生导师，入选首批中国科学院青年创新促进会优秀会员。