基于模型辨识的社会网络行为传播机制与行为预测的研究

Extracting useful information from massive human behavior data to analyze the dynamics mechanisms of behavior spreading and further predict human behavior has become an important research topic in the field of network science. The key problem in this research is to build a number of human behavior spreading data sets from the massive raw data; develop a dynamic model that can describe the propagation of human behavior accurately; and propose the corresponding prediction method of human behavior spreading. The purpose of this paper is to propose a dynamic model of behavior spreading based on data, and to further develop a predictive algorithm that can accurately predict the spread of group behavior in social networks. The research contents of this project include: 1) Utilize web crawlers to collect massive data of human behavior for the construction of multiple data sets; 2) Extract the behavior characteristics and communication network from the data and apply the complex network theory, Markov chain and mean field theory to build a dynamic model which can describe the mechanism and dynamic characteristics of behavior spreading; 3) Propose a parameter estimation algorithm based on spline interpolation and evolutionary algorithm, and further develop an algorithm that predicts behavior spreading.

从海量的人类行为数据中提取有用信息进行分析，建立行为传播的动力学模型，并进一步预测人类行为，逐渐成为网络科学领域重点关注的研究问题。本课题研究的关键问题是：从海量数据中建立多个人类行为传播的数据集；建立描述人类行为传播的动态模型；提出相应的人类行为传播的预测算法。本课题旨在提出基于数据的行为传播动力学模型，并进一步开发出精准度优化的人类行为预测算法，预测群体行为在社会网络中传播。课题的研究内容包括：1）基于网络爬虫的人类行为传播大数据采集，用于构建多个传播数据集；2）从数据中提取行为传播统计特征与传播网络，并结合复杂网络理论、马尔科夫链和平均场理论，构建行为传播的动力学模型，用于描述行为传播的机制、动态特征等；3）提出基于样条插值和进化算法的模型参数识别算法，并进一步扩展成为可以预测行为传播的算法。

近些年来，随着互联网以及移动终端的快速发展和广泛应用，博客、微博、博客、论坛、影片分享网站、SNS（Social-Networking Sites）社交网络以及即时通讯软件等用户参数的信息交互平台已经成为当前重要的信息传播渠道，极大的影响社会个体以及群体的行为。从海量的人类行为数据中提取有用信息进行分析，建立行为传播的动力学模型，并进一步预测人类行为，逐渐成为网络科学领域重点关注的研究问题。本课题旨在提出基于数据的行为传播动力学模型，并进一步开发出精准度优化的人类行为预测算法，预测群体行为在社会网络中传播。课题的研究内容包括：（1）基于网络爬虫从社交网络中获取海量的人类行为传播的大数据，并构建多个人类行为传播的数据集；（2）从数据中提取行为传播统计特征与传播网络，并结合复杂网络理论、马尔科夫链和平均场理论，构建行为传播的动力学模型，用于描述行为传播的机制、动态特征等；（3）基于样条插值和进化算法的模型参数识别算法，提出相应的可以预测人类行为传播的预测算法。..本项目的研究项目“基于模型辨识的社会网络行为传播机制与行为预测的研究”正是基于已有的研究基础。本课题组建立了多个关于人类行为传播以及疫情传播的数据。基于复杂网络理论建立了多个描述人类行为扩散的动力学模型。并将该模型与现实数据结合，成功描述解释了多种人类行为扩散现象。结合复杂网络理论与机器学习算法构建了人类行为预测的算法，并成功应用于多个人类行为扩散预测的场景。成功构建了多个疫情传播模型。成功预测了中国将会在4月中控制住疫情；并成功预测美国将会在2020年10月份感染超过800万人。目前本项目已经发表17篇国际期刊和会议论文，其中SCI期刊8篇，包括1篇中科院一区期刊,5篇中科院二区期刊,以及中科院3区文章2篇。