Projects

社交网络上观点动力学的重要影响因素和快速算法

• 项目描述： 本项目致力于深入研究社交网络上观点动力学的关键影响因素，探索个体固执的异质性、高阶相互作用、无标度小世界的拓扑结构和意见领袖等因素如何塑造舆论演化。项目的核心在于开发快速算法，以线性时间内获得有误差保证的结果，从而有效衡量和优化意见极化、分歧、冲突和过滤气泡等社会现象。我们的研究成果不仅在理论上具有创新性，也在大规模真实数据集上得到了验证，为理解和预测社交网络中的舆论动态提供了新的视角。

• 发表成果：

  • 发表于ICDM’20, WWW’21, CIKM’23, TCSS等国际顶级会议和期刊。

社交网络中虚假媒体信息的检测与识别

• 项目描述： 在信息爆炸的时代，虚假媒体信息的检测与识别变得尤为关键。本项目通过构建基于高阶时效网络的模型，深入分析社交网络中虚假信息的传播机制。项目重点在于评估节点和边的重要性，并开发出一种创新的虚假媒体信息传输阻塞算法，以实现传播阻断的优化。我们的研究不仅提升了虚假信息识别的准确性，也为社交网络的健康信息流动提供了强有力的支持。

• 发表成果：

  • 发表于CIKM’22, TKDE等国际知名期刊。

网络化复杂系统上的随机/偏好游走及其应用

• 项目描述： 本项目聚焦于网络化复杂系统上的随机和偏好游走，旨在揭示网络拓扑结构对游走行为的各种度量的影响。研究内容涵盖了稳态分布、击中时间、混合时间和覆盖时间等关键指标。特别地，项目将随机/偏好游走应用于图数据挖掘领域，通过精确求解、快速算法设计和实验分析，推动了图数据挖掘技术的发展。此外，项目还探索了大语言模型（LLMs）在图数据挖掘中的应用，利用其强大的文本分析能力，提升了图数据的理解和处理效率。

• 发表成果：

  • 发表于WWW’20, WSDM’20, TCYB, TKDD等国际顶级会议和期刊。

通过这些项目，我们不仅展示了在社交网络分析和图数据挖掘领域的深厚专业知识，也体现了我们在算法设计和应用研究方面的卓越能力。