基于复杂网络结构与动态演化特性分析的流行度预测算法研究

Based on the complex network theory, in this project, we will study the underlying dynamic mechanisms of the information networks by analyzing the evolutionary dynamics and other correlated statistical properties, and try to design effective popularity prediction algorithms. This project will combine empirical research, theoretical research and modeling to study the popularity prediction problem in information systems. In the empirical research, we will statistically analyze topological structure of the network, the temporal dynamic of each characteristic, the individual's behavior, and the interaction of individuals in the network evolution process. And then, based on the empirical research result, we will theoretically study the factores and their temporal effects that influence popularity dynamic. Finally, we will propose some popularity prediction algorithms with the empirical and theoretical research result, and design some metrics to analyze their effectiveness. This project will use the methods and results of complex network theory to study the popularity prediction problem. This study is very valuable in practice, and can theoretically improve the study adout evolutionary dynamics of complex network.

本项目拟在复杂网络理论的基础上，通过对网络演化动力学特性及其他相关统计特性的分析，挖掘隐藏在数据中的宏观规律和微观机制，进而设计有效的流行度预测算法。本项目以信息系统为研究对象，采用实证、理论、模型相结合的研究方法。在实证方面，拟从统计分析的角度，分析网络的结构特征、网络演化过程中各个统计量的时间特性、个体行为的统计特征和个体间的交互行为特性等。然后根据实证研究结果，发掘网络演化的影响因素及其时间效应。最后根据对不同网络动态演化的内在影响机制的研究，设计有效的流行度趋势预测算法模型，并设计有效的排序评价指标，从不同角度分析其效果。本项目将复杂网络理论相关研究方法与结果应用于信息流行度预测算法问题研究中，不仅具有很大的应用价值，在理论方面还可以推动复杂网络演化动力学的相关研究。

项目主要通过对网络演化动力学特性及其相关统计特性的分析，发掘各影响因素与节点度增长的量化关系，进而设计有效的流行度预测和排序算法。同时，由于信息网络是受内外多种因素影响的复杂系统，在研究网络演化动力学机制的过程中，我们还研究了推荐算法，作为本项目的分支课题。本项目主要进展如下：1）由于富者愈富机制会随着节点年龄的增长逐渐衰减，我们研究发现利用此特性通过加权度预测节点未来的热度可以取得不错的效果；2）我们通过对基于时间衰减的加权度的分析发现，衰减参数具有异质性，这一发现对我们理解网络演化的时间动力学机制有重要作用，同时可以进一步提升流行度预测算法的准确性；3）我们研究并建立了一种基于隐私保护机制的推荐算法，分析发现，该方法可以有效挖掘社会网络中兴趣相关的好友。