微博社区中用户行为特征及其机理研究

基于微博数据的实证分析表明,微博用户发布微博的数量及时间间隔均服从幂律分布。通过分析微博用户之间的社会网络关系与用户行为之间的联系,发现微博消息数量的分布幂指数与用户互动指数呈反向关系,且随着互动指数的升高,幂指数的下降趋缓。在排除用户之间的评论、转发行为的影响后,个体用户发微博的时间间隔分布幂指数与用户互动指数呈正相关关系。基于上述实证分析,引入用户间评论转发行为、用户间的社会网络关系作为微博用户行为的驱动因素,提出了一种基于社会关系的动力学模型,模型仿真结果与实际数据一致。

基于时间异质性的微博信息传播模型

提出了具有时间异质性的SI（susceptible-infected）传播模型。通过构建异质的时间间隔序列,将微博信息传播动力学过程在无标度网络上仿真。研究结果发现信息新接受个体数n（t）以幂律形式减少,n（t）~t-β。与传统假设的时间间隔服从泊松分布的信息传播模型相比,时间间隔服从幂律分布的传播速度要缓慢很多。同时,传播动力学的幂指数β受行为时间间隔分布幂指数α影响,且具有关系β≈α-1。本文的仿真分析结果与理论预测结果一致。

新冠肺炎非均匀感染力传播模型与干预分析

新冠肺炎疫情在中国得到有效控制,为干预分析提供了实证研究基础。基于SIR扩展的非均匀感染力模型,以2020年1月20日−3月23日数据构建全国、湖北、武汉3层次分形子模型,应用吉布斯抽样和机器学习高斯过程回归获得参数估计,模拟差异化场景进行干预敏感度分析,模型在参数设置和精度优化方面有所突破。研究发现降低接触是有效抑制疫情的核心杠杆,其敏感度是其他杠杆的3.5倍以上。强弱场景边际效应不对称,反映了中国方案对帕累托最优的趋近。模拟分析评估了干预成效,为我国和全球其他国家后续判断疫情风险、掌控干预节奏、制定防控策略提供有益参考。