网络热点事件跨社交媒体传播动态特性的度量与建模研究

Recently, information propagation across social media has been an important factor that affects the formation, evolution, and fading of hot events. Analyzing information propagation in single social media hardly satisfy the needs of analyzing and monitoring of public opinions in the Internet. To solve this problem, in this project we study the propagation of hot events across social media such as microblogging, blog, post bars, and forums websites. Firstly, we extract the identity features, including static properties, dynamic behavior, and network structure, of the users who participated in the propagation of hot events. Accordingly, we develop information fusion and inference methods to associate users across different social media who are related to the same real person offline. Secondly, by considering the different information propagation mechanisms of different kinds of social media, we formally describe the dynamic process of information propagation across social media by constructing a dynamic directed graph based on the identity association results. Then we measure the migration tendency and latency of information propagation across social media. Finally, we develop an information propagation model to interpret the measurement results by analyzing the evolution and driven mechanisms of information propagation across social media. This research uncovers the evolution mechanisms of information propagation across social media, which can support the analysis, monitoring and guiding of public opinion in the Internet effectively.

信息跨社交媒体传播已成为影响网络热点事件的形成、演化和消亡的重要因素，分析单一社交媒体中信息的传播已难以满足当前网络舆情分析与监控的需求。据此，项目围绕微博、博客、贴吧、论坛等社交媒体中传播的网络热点事件，展开以下三方面的研究：首先，提取分析热点事件中用户的静态属性、动态行为、网络结构等多个维度的身份特征，采用信息融合推理的方法对用户身份进行关联分析，实现不同社交媒体用户到同一线下真实用户的映射。在此基础上，充分考虑不同社交媒体信息传播机制的差异，构建多层耦合的动态有向图模型，精确描述热点事件跨社交媒体传播的动态过程，测量分析信息在不同社交媒体之间的迁移模式和时延特性。最后，分析信息跨社交媒体传播的演化机理和驱动机制，建立具有实际物理意义的信息跨社交媒体传播理论模型。项目研究成果将揭示信息跨社交媒体传播的迁移规律和演化机理，为网络舆情分析、监控与引导提供基础理论支持。

本项目针对网络舆情分析与监控的重大需求，研究网络热点事件在微博、博客、贴吧、论坛等不同社交媒体之间的迁移传播规律。项目围绕社交媒体中传播的网络热点事件，分析热点事件中用户的静态属性、动态行为、网络结构等多个维度的身份特征，采用信息融合推理的方法，挖掘不同社交媒体之间用户身份的关联关系，实现不同社交媒体用户到同一线下真实用户的映射。在此基础上构建多层耦合的动态有向图模型，精确描述信息跨社交媒体传播的动态过程，测量分析信息跨社交媒体传播的迁移规律和演化机理，建立具有实际物理意义的信息跨社交媒体传播模型。项目主要围绕展开以下三方面的研究：首先，提取分析 热点事件中用户的静态属性、动态行为、网络结构等多个维度的身份特征，采用信息融合推理 的方法对用户身份进行关联分析，实现不同社交媒体用户到同一线下真实用户的映射。在此基 础上，充分考虑不同社交媒体信息传播机制的差异，构建多层耦合的动态有向图模型，精确描 述热点事件跨社交媒体传播的动态过程，测量分析信息在不同社交媒体之间的迁移模式和时延 特性。最后，分析信息跨社交媒体传播的演化机理和驱动机制，建立具有实际物理意义的信息 跨社交媒体传播理论模型。项目组围绕社交网络用户身份关联分析和信息跨社交网络传播建模展开研究。在社交网络用户身份关联方面，项目组提出了一种基于网络表示学习的图匹配框架，提出了一种网络对齐结果可靠性测量方法，提出一种启发式算法对匹配结果进行自动校正。在信息跨社交网络传播建模方面，项目组提出了一种基于能量概率的谣言传播模型，提出了负能量的概念，以此刻画在辟谣信息在网络中的传播，并将该模型从单一网络推广到多层社交网络，以此来刻画信息跨社交网络的传播。项目共发表相关论文14篇，申请国家发明专利7项，软件著作权3项。项目取得的研究成果在网络匹配、信息传播建模等方面具有重要的理论学术价值，可为生物蛋白质网络分析、社交网络舆情管控等提供技术支撑。