May, 2014

在线创新传播中的复杂传播过程

PDF
TL;DR通过世界上最大的 VoIP 服务的传播动态数据集的分析，证明社交传染模型背后的假设：自发服务采用率是恒定的，通过社交影响采用的概率与采用邻居的比例成线性比例关系，服务终止率是恒定的并且独立于同伴行为。通过实施检测到的传播机制进入动态基于代理的模型，我们能够在全球许多国家模仿服务的采用动态，这种方法使我们能够进行中期服务采用的预测，并揭示创新传播的动态与国家社会经济发展之间的关系。
diffusion of innovationmedia impactsocial interactionssocial contagionvoip service adoption
发现论文，激发创造
  • 在线媒体信息路径的结构和动态

    本文基于信息传播数据研究了推断动态网络的问题，提出一种基于随机凸优化的在线算法来高效解决，将其应用于 330 万个媒体和博客网站之间的信息传播，并实验了 179 亿不同信息在一年内的传播，发现了信息路径的演变和网络中心性等有趣发现。

    Dec, 2012

  • 推断扩散和影响的网络

    通过识别节点的信息传播时间和感染情况，我们开发了一种有效的方法来追踪信息在网络中的扩散路径和网络，可以近似地解决 NP 难问题并应用于 170 万个博客和新闻文章，发现信息传播网络具有核心 - 边际结构。

    Jun, 2010

  • 复杂网络上的流行病过程

    本论文对流行病传播的理论分析进行了全面的综述，重点阐述了流行病学建模的共性和差异性，并探讨了复杂网络中的扩散和演化问题。

    Aug, 2014

  • 信息传染：基于 Digg 和 Twitter 社交网络新闻传播的实证研究

    通过分析两个社交新闻站点的数据，研究表明社交网络在信息传播中发挥关键作用，网络结构影响信息流动的动力学。

    Mar, 2010

  • 规模自由网络中的流行病传播

    该研究基于真实数据，分析了在规模自由网络上计算机病毒的传播，并定义了一种动态模型，发现了其特有的临界传染现象，为病毒的管理提供了新的理论框架。

    Oct, 2000

  • 网络中的信息扩散和外部影响

    通过 Twitter 网络一月的完整跟踪，研究了信息传播的两种方式以及外部事件和因素对信息传播的影响，发现只有约 71% 的信息量可以归因于网络弥散，其余 29% 是由网络外部的事件和因素引起的。

    Jun, 2012

  • 社交网络在信息传播中的作用

    本文研究在线社交网络中的信息传播，包括在一项大规模实地实验中，随机暴露于关于朋友信息分享的信号的 2.53 亿名受试者，发现那些接受信号的人更有可能更快地传播信息。同时，研究了强弱关系在信息传播中的作用，发现尽管强联系人更有影响力，但更丰富的弱联系人负责传播新信息。这表明，弱联系人在网络信息传播中可能比当前认为的更占主导地位。

    Jan, 2012

  • 竞争产品的采用和使用建模

    通过提出基于时间点过程的连续时间概率模型，本论文研究了基于在线社交网络的竞争产品的采纳和使用频率的问题，并验证了该模型的准确性和可解释性。

    Jun, 2014

  • 社交传染的简单规则

    本文研究了信息传播的社会传染模型，并通过对两个不同的社交媒体网站 Twitter 和 Digg 的用户响应进行比较，证明了信息暴露的位置对社会传染的影响非常大。通过考虑信息在用户界面上的可见性，可以显著简化社会传染的动态模型，并且发现信息暴露次数和主动搜索信息的概率成正比。最后，本文将该模型应用于用户行为的实时预测。

    Aug, 2013

  • 揭示扩散网络的时间动态

    针对在网络上的信息 / 影响 / 疾病扩散，本研究提出了一种基于离散网络的连续时间过程模型，通过已感染节点的传染事件推断全局扩散网络的边缘和每条边缘的传输速率，进而预测、影响和抑制感染传播。该模型具有稀疏解决方案，无需参数调整，可轻松适用于规模在数千到数十万的网络，实验证实了该算法的效果良好。

    May, 2011