首页 > 学术报告 > 正文
基于数据统计分析的复杂网络无标度属性和信息传播规律研究
报告人:周斌教授,江苏科技大学 时间:2022年1月14日19:00 字号:

#腾讯会议:602-663-5703


报告摘要:

报告内容一:

我们建立了创新性的统计方法分析了新浪微博、TwitterLiveJournal三个全球知名社交平台用户之间信息传播数据和社交网络大数据,发现信息接收者转发信息传播者的概率与信息接收者关注的用户数量和信息传播者被关注的用户数量呈非线性双幂律关系。我们将这一发现与真实的用户转发信息响应时间规律合并到级联模型中,构建了真实简洁的信息传播模型。在校正观测偏差后,该模型在真实的社交网络分别进行仿真再现了真实世界信息传播的关键拓扑结构,为设计更真实的信息传播生成模型提供了一种实用的方法,并建立了一套揭示人类行为复杂性分析建模与仿真的新范式研究方法,审稿人对本研究评价为信息传播领域重大突破,其成果发表在Nature子刊《Nature Human Behaviour》上。

报告内容二:

无标度属性是现实世界中复杂网络最重要的拓扑结构特征之一,度分布是复杂网络无标度属性的量化指标,但是度分布本身及其量化统计方法一直受到许多学者们的质疑和争论。我们从复杂网络边的视角提出了度度距离的概念描述复杂网络的结构,重新理解复杂网络的无标度属性,通过大量的实证数据统计分析发现度度距离指标比目前传统的度分布指标可以更好地描述和理解复杂网络的无标度属性,并建立了复杂系统演化机制模型,其模型解析和仿真结果也对实证统计结果进行了较好的再现和解释。同时模型的度分布和度度距离分布解析发现度分布和度度分布的幂指数存在相差一的简洁函数关系,这一函数关系被大量的复杂网络实证数据统计结果所证实,其成果发表在美国科学院院刊《PNAS》上。


报告人简介:

江苏科技大学,教授,博士毕业于中国科学技术大学,主要以数据统计分析为基础,从事复杂系统,网络科学,计算社会科学等领域的研究,其研究成果发表在Nature子刊《Nature Human Behaviour》,美国科学院院刊《PNAS》,《Social Networks》等学术期刊上,主持完成国家自科基金项目一项,荣获全国复杂网络大会大数据竞赛一等奖一项,江苏省高等学校科学技术研究成果奖二等奖一项和江苏省青蓝工程优秀骨干教师,校复杂系统与网络科学创新团队负责人及研究中心主任。


【打印此页】 【关闭窗口】