信息传播和社交网络结构共演化研究

Research of information spreading on social networks plays an important supporting role for national security, but also has great market value. Recent studies have found that traditional research ignores an important mechanism, that is, the co-evolution of information spreading and the structure of social networks. Research shows that applying this mechanism to prediction problems can greatly improve accuracy. However, there are currently few related studies and it is urgent to have a comprehensive understanding of this co-evolution mechanism. In order to make up for the insufficiency of existing research, this project intends to use complex network analysis methods to study the co-evolution of information spreading and social network structure in all directions. Firstly, based on data, we analyze the basic time evolution features of network structure and information spreading, then analyze the mutual influence mechanism between the two from the perspective of individuals and groups, and finally complete the construction and theoretical analysis of the co-evolutionary dynamic model. The purpose of the research is to improve the existing theoretical models of information spreading and theoretical models of social network evolution, so as to more accurately describe the process of information spreading on social networks. The expected research results of this project can enrich the theory of information spreading and evolution of the network structure, so that it can be better applied to such areas as public opinion monitoring, accurate advertisement placement, and prediction.

社交网络上的信息传播研究对于国家安全有重要的支撑作用，同时也具有巨大的市场价值。近期研究发现传统研究忽略了一项重要机制，即信息传播和社交网络结构的共演化。研究表明将此机制应用于预测问题可以很大程度地提高准确度。但目前相关研究很少，急需对此共演化机制有全面的认识。为了弥补现有研究的不足，本项目拟结合复杂网络分析方法来全方位地研究信息传播与社交网络结构的共演化。首先基于数据分别分析网络结构和信息传播的基本时间演化特征，然后从个体和群体两个角度分析两者间的相互影响机制，最后完成共演化动力学模型的构建和理论分析。研究目的是完善现有信息传播理论模型和社交网络演化理论模型，从而更准确地描述社交网络上的信息传播过程。本项目的预期研究结果可以丰富信息传播和网络结构演化的理论，从而使其更好地应用于舆情监控、广告精准投放、预测等领域。

社交网络上的信息传播研究对于国家安全有重要的支撑作用，同时也具有巨大的市场价值。信息传播和网络结构演化两个研究分支在很长一段时间内都是独立的，但这两种动力学演化是相互影响的，这与很多真实网络中网络上的动力学和网络结构演化动力学都有必然关联是类似的。为了弥补现有研究的不足，结合数据分析和复杂系统分析方法，本项目基于大规模时序数据来研究社交网络信息传播与结构共演化，主要研究内容及结果包括：（1）为了更高效的数据搜集，提出了基于文本上下文和属性信息堆叠的新闻信息分类模型来筛选比较有价值的信息，该模型实现了较高的精确度，并且很好地平衡了精确度与召回率；提出基于词袋模型的分布式文本聚类方法来实现对大量文本信息的快速聚类。（2）网络结构的演化机制方面，通过研究信息传播数据和网络结构演化数据，发现信息传播导致增加的连边约占网络中新出现连边的20%，且连边的产生与连边的互惠性和个体收到的信息总次数有较强的相关关系。（3）在传播模型构建方面，提出了一个信息传播和结构共演化概率模型，数值仿真分析发现该模型可以刻画常见的真实网络结构特征；通过构建和研究时序双层网络中竞争性信息传播模型，揭示竞争信息对恶意信息的抑制作用；通过构建和研究异质阈值传播模型，发现当个体的信息接受阈值存在较大的异质性时，模型中会出现连续相变和不连续相变。（4）通信网络结构研究方面，提出了一种基于LSTM的网络布尔层析成像算法来检测拥塞链接，比现有方案能将检测准确率提高10%。项目研究成果进一步深化了对社交网络上信息传播的理解，使其更好地应用于舆论监控、精准广告投放等领域。