面向在线社会网络的异质关系多尺度社区分析研究

In online social networks, such as microblogging, social networking services, blogs and BBS, individuals interact with each other by a broad range of social and economic relationships. These networks are generally called heterogeneous networks with the consideration that multiplex relationships are highly diverse in nature and usually influence each other. In these networks, multi-scale community structure coexists and constrains the collective behaviors of individuals. The analysis of multi-scale community structure in heterogeneous networks is crucial to various applications, including public opinion awareness, socialized search, information recommendation. However, the mechanism behind the emergence of communities is very complex due to the influence among different relationships. Furthermore, the communities in heterogeneous networks are often overlapped and highly dynamic. This poses great challenge to the analysis of community structure in heterogeneous networks...In this proposal, we study the analysis of multi-scale community structure in heterogeneous networks. We first investigate the influence and the integration of multiple networks with different relationships. Then, we focus on the detection of multi-scale community structure and the correlation between the community structure and the dynamics on networks. This proposal aims to uncover the fundamental mechanisms of community formation in heterogeneous networks, to find efficient and effective community detection methods, to analyze the influence on the information diffusion dynamics from multi-scale community structure. The findings may provide insight into the structural regularities of heterogeneous networks, the evolving of networks, the dynamics on networks.

在微博、社交网站、博客、网络论坛等在线社会网络中，个体间存在多种类型且相互影响的社会关系，这种异质关系网络中存在着大量不同尺度的社区结构，社区结构与用户群体行为密切相关，分析异质关系网络的多尺度社区结构对网络舆情分析、社会化信息推荐等应用具有重要的价值。然而，异质关系网络中多种关系的相互影响使得社区形成的机制十分复杂，而且这类网络的社区结构呈现出的多尺度、重叠、动态变化等特征，使得有效发现并分析异质关系网络的社区结构非常困难。本项目主要研究异质关系网络中关系的融合表示及关联分析、多尺度社区发现方法、社区结构与网络信息传播动力学的关系，旨在发现异质关系网络中社区结构的稳定性规律及其对网络信息传播影响。

项目执行期间，根据项目任务书，从网络结构分析、网络信息传播、群体行为分析三个方面展开异质关系网络多尺度社区分析研究，取得了一系列有特色的研究成果，包括重叠社区快速发现方法、高效影响最大化算法、多样性图排序、信息传播的时间标度、网络信息传播预测、群体关注的建模与预测、群体功劳分配机制、跨网络对齐和跨领域推荐等，特别是在网络社区结构分析和网络信息传播方面取得了重要进展，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，出版英文专著1部（Springer出版社出版），发表论文24篇（期刊论文12篇，会议论文12篇），其中10篇论文被SCI收录，15篇论文被EI收录。论文发表的期刊和会议包括PNAS、Sci. Rep.等综合性学术期刊和AAAI、SIGIR、WWW等CCF A类学术会议。项目研究成果目前累计引用200余次（Google Scholar）。.取得的代表性研究成果有：（1）提出了基于自增强泊松过程的群体关注到达模型，有效建模了流行度动力学过程中的富者愈富、适者生存、老化效应等三个关键微观机制，形成了准确有效的消息流行度预测算法，论文发表在AAAI上，被Science论文作为主要技术使用和探讨;（2）提出了集体功劳分配策略，采用群体感知贡献来度量科学合作中各个合作者的贡献，克服了科学合作中贡献和功劳不对称、学科间分配规则差异大等难题，论文发表在《美国科学院院刊》上，为发表当期的六篇亮点论文之一，并被多家学术媒体报道；（3）提出了静态贪心算法和自洽排序策略，解决了影响最大化中长期面临的算法精度和速度难以兼顾的问题，论文发表在CIKM和SIGIR，形成了很好的学术影响；（4）提出了基于分治思想的快速重叠社区发现方法，将网络划分和社区重叠分而治之，大大提高了网络重叠社区发现的效率和精度；（5）研制了社会化媒体数据的分析与检索系统，获得中国中文信息学会钱伟长中文处理科学技术一等奖（项目负责人沈华伟排名第二）。.人才培养方面，直接参与项目研究工作的3名博士生获得博士学位、2名硕士生获得硕士学位，1名参与项目研究工作的博士后出站。项目负责人沈华伟在美国东北大学进行了为期一年的学术访问，被中国科学院计算技术研究所被评为副研究员、硕士生导师，并被评为首批中国科学院青年创新促进会优秀会员。