Modeling continuous-time information diffusion process on complex networks

复杂网络上连续时间信息扩散过程的建模

• 批准号: 20500147
• 负责人: KIMURA Masahiro
• 金额: $ 2.83万
• 依托单位: Ryukoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20500147/
• 关键词: 社会ネットワーク分析; 情報拡散モデル; 機械学習; 影響最大化; 汚染最小化; 行動データ分析; データマイニング; 複雑ネットワーク科学; 学習アルゴリズム; モデル選択; トピック伝搬分析; 意見形成; SIR型情報拡散モデル; 汚染拡散最小化; 影響拡散最大化; SIS型情報拡散モデル; 情報拡散可視化; トピック抽出

A social network can play an important role as a medium for the spread of various types of information, including innovation, hot topics and even malicious rumors. In this research, we have constructed predictable models for information diffusion phenomena in complex networks by exploiting a machine learning approach. Moreover, we have proposed and evaluated such a variety of applications of the models that present the methods of increasing and decreasing the information spread under given constraints, and analyzing behaviors of nodes in information propagation.

社交网络可以作为传播各类信息的媒介发挥重要作用，包括创新、热门话题甚至恶意谣言。在这项研究中，我们利用机器学习方法构建了复杂网络中信息扩散现象的可预测模型。此外，我们还提出并评估了模型的多种应用，这些模型提出了在给定约束下增加和减少信息传播的方法，并分析信息传播中节点的行为。

项目成果

Detecting changes in opinion value distribution for voter model

检测选民模型意见值分布的变化

• 发表时间: 2011
• 作者: Kazumi Saito; Masahiro Kimura; Kouzou Ohara; Hiroshi Motoda
• 通讯作者: Hiroshi Motoda

Learning to predict opinion share in social networks

学习预测社交网络中的意见分享

• 发表时间: 2010
• 作者: M.Kimura; K.Saito; K.Ohara; H.Motoda
• 通讯作者: H.Motoda

Solving the contamination minimization problem on networks for the linear threshold model

解决线性阈值模型网络上的污染最小化问题

• 发表时间: 2009
• 作者: M.Kimura; K.Saito; H.Motoda
• 通讯作者: H.Motoda

ブログ空間における異常訪問行動の分析

博客空间异常访问行为分析

• 发表时间: 2010
• 作者: 山本和紀;小野景子;熊野雅仁;木村昌弘
• 通讯作者: 木村昌弘

Behavioral analyses of information diffusion models by observed data of social network

基于社交网络观测数据的信息传播模型行为分析

• 发表时间: 2010
• 作者: 斉藤和巳;木村昌弘;大原剛三;元田浩
• 通讯作者: 元田浩