非稳态社交网络用户行为的因果机制与方法研究

The research on online social network behaviors is the major requirement of national security and social development. In order to obtain a deep understanding of user behaviors, it is necessary to discover the causal mechanism behind the user behaviors. Focusing on the challenges raised by the nonstationarity of user behaviors, the following three aspects of researches are conducted. In the aspect of model, the formal description method of user behaviors is studied, and a hierarchy model is proposed accordingly. In the aspect of algorithm, the diffusion characteristics of nonstationarity, the intrinsic relation between nonstationarity and latent variable, and the interaction between nonstationarity and intervention are investigated, an asymmetric nonstationarity based causal network reconstruction algorithm, a nonstationarity orthogonal decomposition based latent variables discovery algorithm and a causal structure embedded recurrent neural network based intervention effects prediction algorithm are devised, respectively, to achieve the goals of reliable network reconstruction, accurate latent variable discovery and quantitative intervention effects prediction. In the aspect of verification, a prototype system is designed to verify the effectiveness of the network reconstruction algorithm, the hidden variable discovery algorithm, and the intervention effects prediction algorithm. This project is innovative in terms of the asymmetric nonstationarity based causal network reconstruction, the nonstationarity orthogonal decomposition based hidden variable discovery, and the causal structure embedded recurrent neural network. The research results will reveal the causal mechanism behind the nonstationary social network user behaviors, promote the research on causality theory and social network user behaviors, and have significant effects on the network governance and network economy.

在线社交网络行为研究是国家安全和社会发展的重大需求，为了深入理解用户行为，必须解决用户行为的因果机制发现问题。针对用户行为因果机制研究面临的非稳态数据挑战，本项目拟开展以下研究：在模型层面，研究非稳态用户行为形式化描述方法，建立用户行为分层描述模型；在算法层面，研究非稳态的传递特性、与隐变量和干预行为的互相作用关系，设计非稳态不对称因果网络构建算法、非稳态正交分解隐变量发现算法、以及因果结构递归神经网络干预效果预测算法，实现网络的可靠构建、隐变量的精准发现与干预效果的量化预测；在验证层面，研制用户行为因果机制分析原型系统，验证网络构建、隐变量发现和干预效果预测的有效性。本项目在非稳态不对称因果网络构建、非稳态正交分解隐变量发现、因果结构递归神经网络方面具有创新特色。研究成果将揭示非稳态社交网络用户行为的因果机制，推动因果理论与用户行为研究的发展，在网络治理、网络经济等方面具有重要应用价值。

在线社交网络的普及引发了人类社会关系和信息传播模式的深刻变革，对国家安全和经济发展产生着全方面深远影响。用户行为的因果机制是在线社交网络发展的内在动力和相关研究的基础，极具研究价值。然而，用户行为的非稳态性违背了因果研究中普遍使用的稳态数据假设，对因果网络构建、隐变量发现及干预效果预测等因果机制研究带来了严峻挑战。针对上述三方面的挑战，本项目在用户行为建模的基础上，开展了以下研究：研究非稳态在社交网络中的传递特性，设计基于非稳态不对称性的因果网络构建方法；研究隐变量与非稳态的内在联系，设计基于非稳态独立性的隐变量发现方法；研究非稳态和干预的互作机制，设计具有因果结构特征的递归神经网络预测模型。. 重要成果包括，在非稳态数据的因果网络构建方面，提出了非稳态序列间的因果关系方向判断和高维序列的因果网络构建等方法，实现了用户行为因果网络的可靠构建；在基于非稳态的隐变量发现方面，提出了基于行为描述特征的隐变量发现和含有隐变量的因果网络学习等方法，实现多类型用户行为隐变量的精准发现；在具有因果结构特征的递归神经网络预测模型方面，提出了社交广告等典型干预行为的形式化描述和结合因果机制的非稳态序列行为的预测等方法，实现非稳态用户行为干预效果的量化预测；上述成果与唯品会进行合作，结合唯品会服装无偏尺码推荐、唯品会“千人千面”定制首页等场景，对社交网络大数据因果关系发现等理论和方法进行了应用验证。. 依托本项目，项目组累计发表论文39篇，其中包括中科院SCI二区以上论文17篇，CCF A类会议论文10篇，CCF B类会议1篇，CCF C类会议1篇；申请专利14项，授权专利2项；获得软件著作权1项。在项目开展4年期间，40余位老师与同学参与了本课题研究。其中项目负责人获国家优秀青年基金资助，1位老师晋升为教授，研究团队4位博士研究生和29位硕士研究生顺利毕业。本研究成果不仅为非稳态社交网络用户行为的因果机制研究提供了新的理论与方法，而且培养了一批因果方向的青年科研骨干，有力地推动了因果理论与应用研究的发展。

内容获取失败，请点击重试