社交网络形成与演化规律的定量分析模型及其应用研究

It would not only facilitate explaining the reasons of network formation from the microcosmic angle, but also benefit predicting and controlling network evolution that the study on a quantitative model for exploring network formation and evolution. The existing quantitative models, represented by exponential random graph, often suffer from the deficiency of spotty prediction, the lack of efficient controlling ability and the shortcomings of time-consuming algorithms. To overcome these mentioned disadvantages, this project will borrows some ideas from strategic network formation theory and accordingly propose a new quantitative model which would cost less calculation time, cope with the large-scale data set and also enjoy relatively higher prediction precision. As for the process of making model, three aspects of research contents will be implemented that are the utility functions of network participants, the game rules of establishing linkages and the estimation method of inferring parameters; Moreover, a series of comprehensive simulations will be carried out to validate the precision of estimation algorithm and the functions of these parameters introduced in this model. As for the applications, the newly established theoretic model will be applied into the social media platforms such as Facebook, WeChat and Microblog, where the social networks of participants constitute the channels for information dissemination. By focusing on the evolution of social networks, this model would be applied into the problem of information management in the social media platform. Accordingly, this study, which aims to enrich the tools of information management in the background of big data, would have direct implications on optimizing information dissemination structure, regulating the scale of public opinion dissemination, and mitigating the spread of negative message.

研究社交网络形成和演化规律的定量分析模型，将有助于解释网络形成的微观原因，并为预测和控制网络的演化提供理论支持。既有的模型以广泛采用的指数随机图模型为代表，往往具有缺乏预测能力、缺少控制机制、算法复杂度高等方面的不足；鉴于此，本课题以策略网络形成理论为基础，拟提出具有较高预测精度和较低算法复杂度，适用于大规模数据分析和普遍适用性的定量模型。在模型的建立过程中，将重点研究网络决策者的效用函数、建立链接的博弈规则、推断模型参数的估计算法等三方面的研究内容，并对模型的预测精度和参数的作用进行全面地仿真验证；在模型的应用中，面向以Facebook、微信等为代表的社会媒体平台，平台上的社交网络构成了信息传播的渠道和骨架；本课题立足于社交网络动态变化的视角，将理论模型应用于社会媒体平台上的信息管理问题，以期达到优化信息传播结构、预测舆论传播规模和控制不良消息传播的目标，丰富大数据背景下的管理模型。

随着微信和腾讯QQ等社会媒体平台的不断发展，社交网络逐步走入现代生活，网络效应逐步成为人们进行决策的重要影响因素之一。在以上现实背景下，研究社交网络形成和演化规律的定量分析模型，将有助于解释网络形成的微观原因，并为预测和控制网络的演化提供理论支持，进而更好地指导人们的决策行为。既有的网络演化分析模型以广泛采用的指数随机图模型为代表，往往具有缺乏预测能力、算法复杂度高、没能深入网络建立的行为原因等方面的不足；鉴于此，本课题以策略网络形成理论为基础，提出了具有较高预测精度和较低算法复杂度，适用于大规模数据分析和普遍适用性的理论模型。为此，本课题设计了包含网络参与者个体属性、网络结构作用和随机因素的网络个体效用函数，并给出了适用于多种情形的通用表达，特别将消费者非理性的因素融入到效用函数的建立中；并设计了影响网络形成方式和演化过程的博弈规则，给出了自利型消费者和集体主义消费者不同的博弈方式，并给出了体现博弈顺序的网络参与者见面的规则与概率表达；进一步针对网络参与者见面过程具有隐变量的性质，发展了EM算法和MCMC算法校准模型参数，并对方法的有效性进行了理论检验和数值模拟检验；最后在Twitter、Facebook、Researchgate和腾讯QQ等社会媒体平台上，收集和爬取相关数据，应用理论模型揭示了不同社交媒体平台上，网络链路形成的行为原因和显著影响变量，并一定程度揭示了宏观网络现象的微观基础，进一步预测了网络宏微观的演化，并将演化的规律性用于电子商务平台市场营销推荐策略的研究中。本课题所提出的理论模型具有一定的通用性，从属于“应用网络分析技术解决管理学问题”这一学科交叉的研究方向，将丰富管理科学与工程学科的方法工具，在理论方法上将具有前沿性的意义；特别是，随着社会媒体平台影响力的日益扩大，本课题的应用前景将不断扩展，对于控制网络的信息传播，指导营销策略，乃至辅助社交网络背景下的决策行为等领域，具有明确的指导意义和现实应用。