社会网络行为传播扩散的统计方法研究与应用

With the development of big data technology, people rely more and more on the social network. Social media is growing at an unprecedented speed, and the structure is increasingly complex. The social network can influence people's behavior, and then influence the health through the spread of information. This study is to address the characteristics of non independent data structure to carry out three aspects of research: 1) Social network analysis of the casual effect. Put forward the method that can study the causal effect of social network, describe the dynamic relationship between individuals; 2) Behavior spread models building. Propose innovative model to solve the problem of inhomogeneity, unmeasured factors, bias caused by multi peers and unbounded network; 3) Study the impact of online health community to all the participated patients. This project provides a basic theory and method for the analysis of social network and the spread of behavior through strict statistical methods and model building. In practice accurate analysis will help to promote the development of positive relationships behavior and communication and inhibit or improve the negative impact on the social network, in order to promote the health of social network.

随着互联网技术的发展，人们对社会网络的依赖日益加深，社交媒体每日正以前所未有的速度产生海量的数据，且结构日益复杂。社会网络可以通过传播信息，影响人们行为，进而影响健康。本课题拟结合大数据数据结构非独立的特点，开展三方面研究：1）社会网络关系分析的因果方法。提出能够解决社会网络内生性因果效应的方法，刻画个体间的动态关系；2）社会网络行为传播扩散模型构建。解决传统模型由于无法考虑同质性、未测量影响因素、多重个体和无边界复杂网络所带来的偏差；3)针对患者参与、分享疾病信息和知识的在线医疗社区，研究参与在线医疗社区对患者的影响。本项目通过严格的统计方法和模型构建以及应用，在理论上为社会网络的关系分析、行为传播扩散提供了基础理论和方法。在实践上通过准确的分析将有助于促进积极关系和行为的发展、传播，抑制或改善社会网络的负面影响，以期促进社会网络健康、持续、高质量的发展。

随着互联网技术的发展，人们对社会网络的依赖日益加深，社交媒体每日正以前所未有的速度产生海量的数据，且结构日益复杂。社会网络可以通过传播信息，影响人们行为，进而影响健康。本课题拟结合大数据数据结构非独立的特点，开展三方面研究：1）社会网络关系分析的因果方法。提出能够解决社会网络内生性因果效应的方法，刻画个体间的动态关系；2）社会网络行为传播扩散模型构建。解决传统模型由于无法考虑同质性、未测量影响因素、多重个体和无边界复杂网络所带来的偏差；3)针对患者参与、分享疾病信息和知识的在线医疗社区，研究参与在线医疗社区对患者的影响。本项目通过严格的统计方法和模型构建以及应用，在理论上为社会网络的关系分析、行为传播扩散提供了基础理论和方法。在实践上通过准确的分析将有助于促进积极关系和行为的发展、传播，抑制或改善社会网络的负面影响，以期促进社会网络健康、持续、高质量的发展。