题目：社会网络信息传播的影响力最大化研究
主讲人：景东 计算机学院博士研究生
时间：10月17日 上午8:30-9:30
地点：学士楼426会议室
研究方向：社会计算
内容：
社会网络是指社会个体按照某种社会关系互相连接形成的网络。随着Facebook、Twitter、微博、QQ、微信等网络服务的快速发展，社会网络已经成为网民发布、传播、分享信息的最主要的平台之一。根据“六度分离”理论，信息在社会网络上可以在几次转发内传遍整个网络。这种用户通过口碑式的传播影响好友的能力称之为社会影响力。社会影响力使得信息可以在网络上扩散，不同属性的用户具有不同程度的社会影响力，如何找出有影响力的用户传播商品、服务等信息，使得最大程度地影响网络中的用户，这类问题被概括为社会网络信息传播的影响力最大化。该问题在企业营销、谣言预防等领域有着重要的意义。
Domingos和Richardson提出影响力最大化问题以来，Kempe等通过将信息传播建模为离散时间上的传播过程，在独立级联模型和线性阈值模型上，将该问题形式化为一个离散最优化的问题，证明了该问题是一个NP Hard问题，并提出了贪心算法求解该问题。该研究及其后续的研究主要存在的如下两个问题：信息传播模型过于抽象和求解算法的性能低下。本课题将从融合传播活动的重要因素改进信息传播模型的表达能力，基于改进的模型设计高效的算法求解影响力最大化问题，进而使得影响力最大化模型和方法能够更好地应用。
主要研究内容包含三个方面：
（1）时空考虑的动态影响力最大化研究。传统的独立级联模型假设用户之间的激活概率是不变的，然而实际信息传播中由于传播时延和节点间的属性动态变化，用户之间的激活概率是不断变化的，因此构建融合传播时延和空间距离传播模型并设计求解算法。
（2）隐私保护考虑的影响力最大化。节点间的激活概率受隐私保护的影响，即使用户被某个信息所影响，由于传播该信息会暴露用户的隐私，用户可能会保持沉默而不转发传播。因此融合主题与用户隐私因素构建传播模型并设计求解算法。
（3）邻居结构考虑的影响力最大化。传统的信息传播模型在信息传播过程中，没有考虑用户之间的关系结构，只考虑用户间的直接影响。三角形结构在社交网络中存在着重要的作用，因此融合邻居节点的三角形结构因素构建传播模型并设计求解算法。
