信息传播视角下的复杂社会系统鲁棒性研究

With the emergence and accession of diverse artificial systems like Internet, power grid, transportation network and financial architecture, the social system of nowadays is evolving to be a complex and giant system. In the epoch of new media, however, the convenience rooted in anytime and anywhere sensing and circulating reluctantly facilitates the mutation and propagation of risks and essentially amplifies their impact to the stability of social system. It also undermines the ability of existing robustness measures, which depend heavily on static structures, in depicting the system reliability. The dominating roles of information diffusion in coupling different systems, speeding up the risk mutation and polarizing individual behaviors offer the present application an unprecedented view to revisit the robustness of complex social systems and then support the flexible management of social stability. Through the paradigm of data-driven analysis, complex system modelling and dense calculation, the following promising directions will be thoroughly explored. First, new robustness measures and corresponding sensing and calculating approaches will be presented to picture the stability in a comprehensive, real-time and dynamic manner. Second, the evolving mechanism beyond robustness of the social system will be revealed to help, together with machine learning models, predict and warn the robustness. Last but not the least, enhancing strategies in terms of tuning independence or manipulating propagation will be established and evaluated. Our results will provide both theoretical and practical inspirations for early warning and proactive mitigation in smart management of social system risks.

随着各类庞大人造系统，如互联网、电力系统、交通网络、金融体系等的不断出现与加入，社会系统日益复杂，成为典型的复杂巨系统。而新媒体时代，社会感知与信息传播无时、无处不在的便捷性进一步加剧并复杂化了不稳定因素的扩散及其对社会系统的冲击，既有静态且依赖结构的鲁棒性指标已不足以测度稳定性。考虑到信息传播在耦合不同系统、加速风险演变以及集聚个体行为等方面的关键作用，本项目试图以之为视角探索复杂社会系统鲁棒性，以满足当下柔性社会稳定管理的需求。以数据驱动分析、复杂系统建模与密集型计算为主要研究范式，本项目将构建新的鲁棒性指标体系及其感知、计算方法，以期全面、实时和动态地评估系统稳定性；将揭示鲁棒性的演化与关联机制，并通过机器学习实现其预测与预警；将通过耦合调整与传播控制，建立鲁棒性增强策略及其评价方法。本项目研究结果将为智慧社会风险治理中的自动预警与主动干预提供理论依据与应用示范。

围绕经济管理场景中极为重要的社交媒体、股票市场、电商平台等复杂系统，本项目严格依照计划，构建了多源异质数据的融合方法，实现了不同信息元素的跨域流动整合，从情绪传染等信息传播视角定义了动态鲁棒性指标与增强策略，并在舆情管理等实际场景中进行实践示范，圆满并超量超质地完成了预期目标。.在理论方面，本项目共发表标注论文（含接受）26篇，其中SSCI/SCI论文16篇，国际会议论文6篇，中文论文4篇，且有8篇标注论文在审。在新型鲁棒性指标体系构建方面，本项目结合信息内容与传播过程，建立了由消极情绪比例、愤怒情绪占比、情绪传播潜力等指标。在异质数据融合与跨域追踪方面，本项目借助复杂数据处理方法与深度学习模型，实现了不同类型（标签、成分、序列）和不同模态（文本、图像）的有效融合。在社会系统鲁棒性增强策略方面，本项目通过早期结构差异、愤怒情绪占比等来尽早识别并阻断恶意信息,并通过标注信息中过度愤怒的文本来有效降低转发意愿。.在应用方面，本项目共申报相关专利2项，已授权1项，所构建示范系统获批软件著作权6项。本项目面向社会系统的多源、异构数据，通过相关专利和系统，示范了基于社交媒体的舆情管理中，可利用词汇网络来动态发现偶发风险词，以实现恶意信息的自适应发现与持续追踪，并构建了舆情管理系统，从内容、结构、时空等多视角呈现其在自然灾害、新冠疫情等场景中的扩散过程与跨系统效应。.人才培养方面，项目负责人在执行期间晋升为博士生导师，被聘为北航大数据科学与脑机智能高精尖创新中心高级研究员，受邀担任了两本国际SCI学术期刊编委，且社会复杂性的研究得到了北航青年拔尖人才计划的连续支持。参与项目的博士后和讲师在项目执行期间均已晋升为副教授。参与项目的三名博士生均顺利毕业并进入中财等高校继续从事科研工作，且已有两人被聘为副教授。参与项目的学生也获得了北京市优秀毕业设计、北航优秀论文等荣誉，项目负责人2021年亦被评为北京市本科毕设优秀指导教师。