[00147343]在线社会关系网络中消息流行度的建模与预测研究

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。