面向标注社会网络的极性相关影响力最大化问题研究

Influence maximization is an important scientific problem in the field of social computing, and is a key technology which can satisfy the promoting information demands of the government and enterprises etc. Current studies are mainly conducted based on unsigned social networks containing only positive relationships, which ignore the fact that the negative social relationships also exist in networks. This project focuses on signed social networks containing both positive and negative relationships, and aims to carry out research on polarity-related influence maximization problem: (1) based on the technique of sentiment orientation analysis, we mining the implicit positive and negative polarities of relationships between users, and develop the social network model reflecting relationship polarities. (2) by fusing the knowledge of computer science, social science and physical science, and based on linear iterative mind and heat transfer theory, we construct polarity related diffusion dynamic models in signed social networks to reveal the mechanism of influence or information dissemination in signed social networks. (3) combing greedy strategy with simulated annealing mind, we propose the methods which can accurately select a fixed size set of users with maximum positive influence or maximum negative influence. This project further forwards the influence maximization problem to the real society, and aims at promoting the application of influence maximization research in real scenarios.

影响力最大化是社会计算研究领域的重要科学问题，是解决政府和企业推广信息需求的关键技术。现有研究大都基于仅包含正向关系的无标注社会网络开展，忽视了网络中负向社会关系的存在。本课题拟面向同时包含正向关系和负向关系的标注社会网络，开展极性相关影响力最大化问题研究：（1）基于情感倾向分析技术，挖掘网络中用户关系间隐含的正负极性，并建立反映关系极性的社会网络模型；（2）融合计算机科学、社会科学和物理科学等多学科知识，基于线性迭代思想和热量传递理论，构建标注社会网络中极性相关的扩散动力学模型，揭示标注社会网络中的信息或者影响力的传播机理；（3）结合贪心策略和模拟退火思想，提出可以准确挑选出固定规模的拥有最大正影响力或者最大负影响力的用户集合的方法。本课题将影响力最大化问题向真实社会做了进一步拓进，旨在推动影响力最大化研究成果在实际场景的应用。

针对现有影响力最大化研究忽视了社会网络中关系极性的不足，本课题以丰富的在线社会网络数据为研究对象，结合计算机科学、社会科学和物理科学等多学科的知识，探索面向标注社会网络的极性相关影响力最大化问题的解决方法，进而建立和完善一整套的涵盖理论、模型和算法的影响力最大化研究体系。具体主要从以下几方面做出一定贡献：（1）提出基于线性迭代的极性影响力扩散模型，相比于传统模型，在估计节点集合正负影响力时速度得到了数量级的提升；（2）突破贪心算法须具备严格数学证明的局限，创新性地提出基于模拟退火的节点选择策略，并构建启发式方法来加快选择策略向最优解的收敛速度；（3）同时考虑到信息扩散的极性和时效性，提出时间相关的正向影响力最大化问题，并构建基于热量传递理论的极性影响力扩散模型来解决该问题；（4）通过大规模数据分析挖掘，发现相比于精英用户，草根用户在关系强度和极性方面更适宜作为影响力传播的种子节点，并基于此提出草根用户为主导的影响力最大化方法。目前，项目组已完成申请书中提出的各项工作目标，代表性成果包括：发表CCF推荐A类国际期刊（IEEE TKDE）论文1篇，JCR一区国际期刊（Telematics and Informatics、Scientific Data、Neurocomputing）论文3篇、JCR二区国际期刊（Physica A）论文1篇、其他SCI检索国际期刊论文3篇、培养2名博士生和4名硕士生。本课题研究在完善社会网络分析理论的同时，也进一步推动了影响力最大化在市场营销、观点推广和谣言控制等真实场景上的应用。