您的位置:首页 > 科学研究 > 学术科研

计信院学术研讨会(2017-05-28)

发布时间:2017-05-24 来源:本站原创 作者:本站编辑   浏览次数:

“数据驱动的复杂系统研究”学术研讨会

时间:2017528日(星期日)上午9:20

地点:西南大学田家炳教育书院8楼涵慧厅

 

9:20 - 9:30

欢迎致辞


9:30 - 10:10

Competitive Dynamics on Complex Networks

上海交通大学汪小帆教授

10:10 - 10:50

在线社会媒体中的信息传播预测

中科院沈华伟副研究员

10:50 - 11:30

开源软件开发的集体工作模式——基于OpenStack项目的数据分析

大连理工大学夏昊翔教授

11:30 - 2:00

午休


2:00 - 2:40

应急条件下的人类行为动力学

国防科技大学吕欣副教授

2:40 - 3:20

从真实空间到虚拟空间——对人类移动行为的新探索

北京师范大学陈清华副教授

3:20 - 4:00

Instantaneous success and influence   promotion in online social networks - how do they occur?

兰州大学黄子罡教授

 

 

报告摘要及报告人简介:

1. Competitive Dynamics on Complex Networks

报告人:汪小帆

报告人简介:汪小帆教授,上海交通大学长江学者特聘教授、国家杰出青年科学基金获得者。长期从事网络科学研究,曾获IEEE电路与系统汇刊最佳论文奖、上海市自然科学一等奖和自然科学牡丹奖、上海市领军人才、国家级教学成果一等奖和国家自然科学二等奖,入选人事部“新世纪百千万人才工程国家队人选”,享受政府特殊津贴。现为国际自动控制联合会(IFAC)复杂大系统技术委员会主席、国际网络科学学会理事会成员、《IEEE Trans. Network Science & Engineering》执委会委员、中国工业与应用数学学会复杂网络与系统控制专委会主任。

报告摘要:We consider a dynamical network model in which two competitors have fixed and different states, and each normal agent adjusts its state according to a distributed consensus protocol. The state of each normal agent converges to a steady value which is a convex combination of the competitors' states, and is independent of the initial states of agents. This implies that the competition result is fully determined by the network structure and positions of competitors in the network. We compute an Influence Matrix (IM) in which each element characterizing the influence of an agent on another agent in the network. We use the IM to predict the bias of each normal agent and thus predict which competitor will win. Furthermore, we compare the IM criterion with seven node centrality measures to predict the winner. We find that the competitor with higher Katz Centrality in an undirected network or higher PageRank in a directed network is most likely to be the winner. These findings may shed new light on the role of network structure in competition and to what extent could competitors adjust network structure so as to win the competition. We also extend the basic competition model to the case with two sets of competitors and multiple competitors.

 

2. 在线社会媒体中的信息传播预测

报告人:沈华伟

报告人简介:沈华伟,博士,中国科学院计算技术副研究员,中国中文信息学会社会媒体处理专委会副主任。研究方向为网络科学和社会计算。先后获得过CCF优博、中科院优博、首届UCAS-Springer优博、中科院院长特别奖、入选首届中科院青年创新促进会、中科院计算所“学术百星”。2015年被评为中国科学院优秀青年促进会会员(中科院优青),2017年入选卢嘉锡国际创新团队。获得国家科技进步二等奖、北京市科学技术二等奖、中国电子学会科学技术一等奖、中国中文信息学会钱伟长中文信息处理科学技术一等奖。出版个人专/译著3部,在网络社区发现、信息传播预测、群体行为分析、学术评价等方面取得了系列研究成果,在Science、PNAS等期刊和WWW、SIGIR、CIKM、WSDM、AAAI、IJCAI等会议上发表论文60余篇,引用1800余次。担任PNAS、IEEE TKDE、ACM TKDD等10余个学术期刊审稿人和WWW、SIGIR、CIKM、WSDM等20余个学术会议的程序委员会委员。

报告摘要:近年来,以微博、微信等为代表的社会媒体逐渐成为人们发布、传播和获取信息的主要媒介。社会媒体汇聚了大量的用户关系数据和信息传播数据,为分析和研究人类社会活动提供了弥足珍贵的数据资源。社会媒体中数据多源异构、个体间关系繁杂、信息传播突发等特点给社会媒体分析提出了科学技术挑战。分析社交网络的结构规律、挖掘用户行为的固有模式、探索网络信息传播的内在机理、研究高效的社交网络分析与网络信息传播预测方法,有利于提升对在线社会媒体的科学认知水平和有效利用能力。报告将从网络结构分析、网络表达学习、网络信息传播预测等几个方面介绍报告人近几年在在线社会媒体中的信息传播预测方面的研究成果。

 

3. 开源软件开发的集体工作模式——基于OpenStack项目的数据分析

报告人:夏昊翔

报告人简介:夏昊翔,1998年博士毕业于大连理工大学系统工程专业,先后于中国科学院数学与系统科学研究院、日本东京大学及美国麻省理工学院从事博士后研究,曾任日本北陆先端科学技术大学院大学客座副教授。现为大连理工大学系统工程研究所教授,博士生导师,复杂系统学科负责人。中国系统工程学会理事,中国科学技术情报学会知识组织专业委员会委员。主要研究方向为复杂社会系统与社会网络,包括群体知识活动动力学、意见与传播动力学、及集群行为动力学。

报告摘要:本项工作以著名的开源云计算平台之一OpenStack项目为例,通过对该项目的GIT提交数据的分析来研究大型开源软件中程序员的集体工作模式。首先以该项目Git提交数据中父子哈希码关系为基础构筑代码协作修订网络,分析其结构与演化。并在此基础上探究OpenStack项目的内在的自发组织模式和人员集体工作模式。研究结果表明,OpenStack的开发可以看作一个具有稳定的中央节点群的网络型系统的集体知识创造活动。核心开发人员在其中起主导作用,但一般活跃开发人员从开发总工作量上是整个项目的主体。OpenStack的子项目与社区演化具有显著关联性。其次,分析协作网络和OpenStack的子项目之间的相关性。数据分析结果显示,协作网络社区的发展轨迹清晰,社区与子项目的关联关系得到很好的维持。第三,研究了开发者开发活动在子项目层面上的“漂移”。从开发者个人层面看,大部分开发者的开发工作重心始终集中于单个子项目。漂移主要出现于工作集中度较低的开发人员以及项目的核心开发人员(领导者)。在所检测到的开发活动“漂移”中,有较大部分是转向新增的子项目,这显示了OpenStack项目中开发力量具有自发向新增子项目协调的趋势。第四,分析了OpenStack中人员工作的爆发性和记忆性。结果显示,项目开始时期是时间爆发性最高的一个时间段,少量的人员支撑起了前期大量的代码编写工作。开发人员提交代码频率突然增加时,会影响在网络中与之关系密切的合作人员的提交代码频率也增加。但两人的工作模式并不会彼此干扰,表明OpenStack开源软件的网络会影响到每个开发人员的提交代码频率的快慢,开发人员的提交代码频率的快慢并不是仅由自身做决定的,但对于时间的安排却是由自己决定的。反映了开源软件的开发人员在工作量上的“不自由”,但在时间的安排上却更自由的实质。

 

4. 应急条件下的人类行为动力学

报告人:吕欣

报告人简介:吕欣,国防科学技术大学信息系统与管理学院副教授,2015年获优秀青年科学基金“大数据挖掘与应急管理”。国际应急救援非营利组织Flowminder基金会创建人、首席分析师。主要研究方向为移动大数据与网络大数据的分析与挖掘技术、人类行为动力学与应急管理、复杂网络结构与动力学,抽样理论与方法等,研究论文在《Nature》、《美国科学院院报PNAS》、《Physics Reports》、《PLOS MED》、《Global Environmental Change》、《英国皇家统计学会会刊JRSSA》、《Social Networks》、《Scientific Reports》等综合、医学、数学、社会学类高水平期刊发表,并得到BBC(2011,2014,2015)、纽约时报等大量媒体报道。其在移动大数据领域的研究被2013年MIT Technology Review列为“2013年开创性科技”之一。关于西非埃博拉传染风险的研究成果获2014年全国复杂网络大会可视化大赛一等奖,关于尼泊尔地震后灾民分布与移动趋势的研究获2016年世界移动通信大会最佳应用奖(GLOMO Award 2016)。其理论和技术成果成功应用在海地地震与霍乱(2010-2013)、孟加拉台风Mahasen(2013)、西非国家埃博拉爆发(2014)、尼泊尔地震与洪水(2015,2016)等国际重大灾害事件的救援管理实践。科研项目主要由比尔盖茨-梅琳达基金会、洛克菲勒基金会、瑞典Research Council、中国国家自然科学基金委(优青、青年项目)等资助。

报告摘要:报告将围绕大数据时代下的人类行为定量研究这一主题,总结近年来关于人类行为规律的重要发现。结合吕欣副教授及其团队应用移动大数据与网络大数据在海地地震、霍乱传播、孟加拉Mahasen台风、西非埃博拉、尼泊尔地震、尼泊尔洪水等自然灾害条件下的应急救援经验,通过统计物理学、复杂网络理论、地理信息系统、自然语言处理等技术分析和总结大规模人群的移动、社交、心理等行为活动规律。

 

5. 从真实空间到虚拟空间——对人类移动行为的新探索

报告人:陈清华

报告人简介:陈清华,北京师范大学系统科学学院副教授。第一届中国系统科学大会秘书长。研究方向为社会经济系统分析,长期关注人类行为建模。在中文字频和词频的历史演变、中国人姓名分布及结构、最小唯一排卖的价格分布成因、国际和国内移民模式及壁垒分析等方面做了一些工作。其中,2009 年关于地震捐款的研究成果揭示了个人捐款的形成机制,被Physorg.com、《科学时报》、《科技日报》等国内外媒体关注报道。目前的重点研究领域是基于自然语言处理和复杂网络技术相结合的方法从科学家行为角度来讨论科学学中的一些基本问题。

报告摘要:物体都是在运动之中,人类也不例外。基于人类在真实物理空间中移动的工作丰富而有趣,一种是用来讨论移动本身,如“万有引力模型”、“热辐射模型”、“热传导模型”等;另外一类是讨论人类移动相关的其他内容;如种族冲突、踩踏事件,甚至文化的流动性。这些讨论发现人类的移动存在具有普适性的一些规律和机制。但除了真实物理世界外,人类面对更加广大而自由性更强的虚拟世界并沉浸其中,如个人在不同的网站或者论坛的跳转本质上也是一种移动,而科学家在研究活动中关注不同的问题也可以被视作是一种移动行为。人类在虚拟世界的移动存在规律吗?是否也存在普适的规律?我们将从最小唯一拍卖、互联网上的注意力转移和科学家的科研活动等方面进行建模,尝试探索虚拟空间这个新角度下的人类移动行为。

 

6. Instantaneous success and influence promotion in online social networks - how do they occur?

报告人:黄子罡

报告人简介:黄子罡,教授、博士生导师,兰州大学计算物理与复杂系统研究所。2003年和2008年毕业于兰州大学,获理学学士和博士学位。2012.7-2015.12年在美国亚利桑那州立大学做访问学者和助理研究学者。从事复杂系统中的大数据分析与动力学建模、机器学习与数据挖掘等领域的研究,主持完成国家自然科学基金3项,教育部博士点基金1项,参加国家自然科学基金重点项目1项,发表SCI论文42篇,专著章节1部,其中包括Nature Communications 1篇,New J. Phys. 4篇,Phys. Rev. E 7篇,Pattern Recognition 2篇,Sci. Rep. 9篇等。担任PNAS、PRL、PRE、PRApp、SREP、EPL、Chaos、J R Soc Interface、AIP advances和Chaos Solitons Fractals等18个SCI期刊的审稿人

报告摘要:Big data analysis has opened a window through which the dynamical evolution of human behaviors in cyberspace may be studied. In cyberspace individuals interact with each other through online social networks (OSNs) whose structure co-evolves with the dynamical process. A phenomenon in OSNs is “instantaneous” success, where the influence of an individual can be suddenly and greatly promoted after his/her messages have been reposted by other influential users in the network. Using data sets from Weibo in China, we identify two key ingredients contributing to the dynamics of message diffusion in OSNs: the fitness of the message and the position of its author in the network. We articulate a general, five-state model for co-evolution dynamics on OSNs to fully explain instantaneous success and permanent influence promotion. Our work provides fundamental insights into human behaviors in cyberspace, whose importance to the society, economy, and national defense has been increasingly recognized.