面向社会网络信息传播的网络重构关键技术研究

So far, assumptions for network reconstruction are as follows: 1) the time delay of the diffusion through social network is independent and it has no relationship with the diffusion progress; 2) the observed cascades are generated by the static social network, and no dynamic evolution of network; 3) the observed cascades are complete and there is no missing. The assumptions above have greatly simplified the difficulty of network reconstruction; however, they do not conform to the current situation obviously, leading to the reduction of reconstruction accuracy and the limitation of appication in real situation. Based on the problem above, this project will focus on the following three aspects: 1) from the model of information diffusion, we do empirical analysis on the relationship between the time delay of the information diffusion through the nodes on social network and lifecycle, providing the network reconstruction algorithm based on the model of lifecycle 2) from the dynamic evolution of network, we analyze the causality of the network inference and the dynamic evolution of network, providing the network inference algorithm based on Granger causal analysis and temporal scale features 3) from the lack of the observed data, we do the research on the relationship between data sampling process and network reconstruction, providing the network reconstruction algorithm based on the partial observed data. Theoretical research results of network reconstruction in this project also have an important academic value for other types of compex network, such as brain functional network, gene regulatory network and financial lending network etc.

目前，网络重构研究都做如下前提假设：1）网络中节点传播时延是独立的，和传播过程无关；2）观测到的级联数据是由静态网络产生的，网网络结构不会随时间演变；3）观测到的数据是完整的级联数据，不存在缺失。上述假设的确可以极大简化网络重构问题的难度，但显然与现实情况不符，即降低了重构的精度，也限制了方法的实际应用。针对上述问题，本项目将重点研究：1）从信息传播模型的角度，实证分析社会网络中节点间信息传播时延与生命周期的关系，提出基于生命周期模型的网络推断方法；2）从网络动态演变的角度，分析网络推断与网络动态演变之间的因果关系，提出基于Granger因果分析和时序标度特征的网络推断方法；3）从观测数据缺失的角度，研究观测数据抽样过程与路径推断之间的关联关系，提出基于部分观测数据的网络推断方法。项目的理论成果也对其它类型的复杂网络（如脑功能网络、基因调控网络、金融借贷网络等）重构研究具有学术价值。

网络作为现实世界最普适的数据表现形式，在诸多领域得到了大量的应用，也产生大量的科学问题亟需深入研究。本项目以社交网络数据的网络推断为研究目标，重点研究：1）网络信息传播的生命周期特性以及相应的网络推断方法；2）考虑到网络动态演变的特性，研究基于因果和时序标度特征的网络推断方法；3）鉴于网络信息传播缺失的客观性，研究基于面对信息传播缺失的网络推断方法。.针对上述研究目标，我们开展了如下方面的研究：1）在大规模新浪微博数据集上对信息传播的生命周期进行了分析，揭示了网络信息传播生命周期的存在规律，提出了基于生命周期模型的网络推断方法；2）从网络动态演变的角度，提出了基于Granger因果分析和时序标度特征的网络推断方法；3）鉴于网络上噪音和信息传播缺失性，提出了基于极大似然估计和贪心策略的网络推断方法。另外，本项目信息传播影响最大化和网络表示学习方面也做了出色的工作。.本项目发表CCF A论文10篇，CCF B类论文8篇（含最佳论文提名奖CIKM 1篇），影响因子大于3的SCI期刊论文3篇（包括ACM TKDD、Scientific Report等）。总计发表论文21篇。授权专利4项，授权软件著作权3项。