基于多用户多模式的社交影响力传播模型与算法研究

Social influence spread has important theoretical value in informatics, sociology and economics, and sees broad applications in guiding the public opinion, real-time rumor tracing and prevention, as well as the promotion of enterprise products and national policies. However, existing studies on social influence spread only consider the single-pattern scenario with only competition action or cooperation action among all agents. The influence spread models and algorithms designed under such single-pattern scenario are not practical. In the real world, competition and cooperation occur simultaneously in general. Thus a more comprehensive influence spread model should be constructed to model such multi-pattern scenario. The project will develop the effective influence spread models that can effectively characterize the influence spread of each agent with the existance of both its competitive and cooperative agents. A general solution framework based on efficient sampling algorithm will also be proposed using the influence spread model. The project will further combine the Nash equilibrium principle in game theory for knowledge discovery and application exploration in multi-agent influence spread scenarios. We expect that the research results of this project will be widely applied in various fields such as informatics, economics and sociology.

社交影响力传播的研究在信息学、社会学与经济学领域有着重要的理论价值，同时在正确引导舆论走向，实时谣言溯源防控，以及企业产品乃至国家政策的普及宣传等方面有着重要的应用。目前对于社交影响力传播的研究还停留在单模式场景下，即网络中仅存在互相竞争或是互相协作的用户。由此得到的影响力传播模型及应用问题的求解算法，无法很好的适用于真实的存在用户复杂交互的场景。本项目将考虑一种更加符合实际的多模式影响力传播场景，即，多用户之间同时存在竞争与协作行为。在这种情况下，本项目将探索如何构建能够有效刻画各个用户传播信息的精确影响力传播模型。在此基础上，提出三类全新的应用问题并设计具有可靠高近似比保证的高效采样求解算法。本项目还将进一步结合博弈论中的均衡性原理，探索分析多用户博弈场景下的资源分配与传播策略选择的纳什均衡存在性。我们预期本项目的研究成果能够在信息学、经济学以及社会学等各个领域得到广泛的应用。

目前，在社交影响力传播研究方面，尚没有同时考虑竞争与协作这一多模式场景的工作。这一关键科学问题的研究缺失使得整个领域停留在了仅可处理简单场景的影响力传播理论研究与应用问题。项目旨在填补这一研究空白，为后续进一步的科学探索和实际应用提供模型依据与算法支撑。项目主要进行了以下三个方面的研究。.1、.项目从竞争与协作并存的多模式视角出发，建立更加契合多用户场景的多模式影响力传播模型，以更加准确的描述复杂场景下不同用户的影响力传播信息，为相关研究提供模型依据。在小样本学习的场景基础上，引入基于梯度下降的元学习方法，以元模型作为先验知识，在小样本任务中快速训练获取影响力传播模型。.2、.在获取了传播模型的基础上，进一步提出多用户场景下的全新影响力传播应用问题，并设计在不同优先级设定下都具有可靠近似保证的高效采样与求解算法，为相应的实际应用问题提供算法支撑。分析各问题难解性基础，基于无偏估计构造数据结构并设计近似采样机制，提出具备高置信低误差的高效求解算法。在真实数据集上进行了大量的采样与模拟实验，验证了算法的在传播干预以及运行时间上的高效。.3、.项目同时引入均衡性理论体系，在多模式影响力传播模型基础上，分析多用户之间是否可以达成共赢均衡状态的存在性。项目引入实体间的网络结构以及网络子模性质，结合均衡性理论，提出了鲁棒性序列函数最大化问题。在解集出现实体丢失情况下，均衡的考虑候选解集个体收益，设计最差情况下的鲁棒性算法。基于真实数据集，项目将该理论结果的应用推广到了推荐系统与链路预测等相关领域，取得了效果上的提升。.项目共计已录用2篇学术论文，包括CCF-A类论文1篇，SCI期刊1篇，投稿中2篇，包括CCF-A类1篇，SCI期刊1篇。这些研究成果拓展了社交影响力传播领域的科学前沿研究，具有较高的学术与应用价值，预期将在信息学、经济学以及社会学等各个领域得到广泛的应用。.