利用多元 Hawkes 过程模型和凸优化框架来在在线社交网络中确定外部驱动作用，以控制网络活动达到预期状态。

Aug, 2014

本文提出了 SLANT，一种基于标记的跳跃扩散随机微分方程的概率建模框架，用于表示用户随时间变化的意见，可以从历史细粒度事件数据中进行有效的模型模拟和参数估计，并利用该框架得出了一组有效的预测公式，实验结果表明，该模型提供了良好的拟合，并且比其他方法实现了更准确的预测。

Jun, 2015

本文提出一种推论机制，将生成的意见动态代理模型拟合到现实世界的社交信息中，不仅保留了基于代理的模型的优点（即因果解释），而且还具有在真实数据上进行模型选择和假设测试的功能。

Jun, 2020

本篇工作提出一种利用外生和内生信号进行早期 COVID-19 推特假新闻检测的模型 ENDEMIC，该模型利用图嵌入和上下文特征来聚合传播信息，采取半监督学习方式解决有限标注数据的挑战，最终结果更优越。

Apr, 2021

我们提出了一种基于有界置信度的信息传递框架 ODNet，将社会网络和神经信息传递的概念相结合，用于分析和推断动态系统的行为。通过调整有界置信度和影响力权重，并定义与社交网络图特点一致的观点交换规则，我们的方法能够简化复杂的社交网络图，准确识别内部社区和基因在不同代谢途径中的角色。

Oct, 2023

本文提出了一种新的基于社会影响力和社会一致性的中心性衡量标准，并构建了一个新的动态观点形成模型，然后设计了一个算法用于在社交网络中寻找对其他节点有重要影响的小子集，实验证明该算法显著优于其他现有方法。

Aug, 2022

通过引入时间和空间上的扩展维度、构建意见聚类、削弱意见遗忘和依赖行为、以及网络分析等方法，本文提出了一个综合框架来加强共识建设，并强调了多样的观点、网络分析和有影响力的实体在其中的重要性。

Nov, 2023

本文探讨一种新型的基于多数派观点扩散模型，研究在社交网络中基于营销活动的产品质量和技术创新做出大众观点的多数派观点的攻击和防御等问题。

Dec, 2020

本研究采用社会舆论动力学模型，将宣传设计问题形式化为识别目标受众的问题，旨在通过他们的积极反馈最大化信息在社交网络中的整体积极反馈，我们设计了解决该问题的算法，并在实际数据上进行了实验，证明了算法的高效性和实用性。

Jan, 2013

通过使用一种新的算法来检测高影响力的用户，即使只知道社交网络的拓扑结构，攻击者仍能在社交网络中激起不和谐，我们证明了这种攻击是可能的。

Jun, 2023