报告题目：The Emergence of Triads on Signed Social Network

报告人：李振鹏副教授（台州学院电子信息与工程学院）

时间/地点：2021年11月30日（周二）9:00-9:40 中科院数学院N205，腾讯会议：917812833

摘要：Here, we explored the evolution of triadic structure based on random signed graph model. The provided model shows that the emergence of triads is controlled through a critical threshold probability. We observed that real world signed social networks are indeed extremely balanced and the number of triads is much higher than that in background random signed graphs. This property is explainable in terms of the degree distribution high skewness and high average clustering coefficient of empirical observed signed networks.

报告题目：Handling Imbalance in Fraudulent Reviewer Detection Based on Expectation Maximization and KL Divergence

报告人：张文教授（北京工业大学经济管理学院）

时间/地点：2021年11月30日（周二）9:40-10:20 中科院数学院N205, 腾讯会议 : 917812833

摘要：Online review fraud and review manipulation hurt the profits of stakeholders and undermine the value of online reviews. For this reason, it is critical to detect online review fraud and fraudulent reviewers effectively for the development of e-commerce. Extent studies propose various fraud detection techniques to detect fraudulent reviewers. However, most of these studies do not handle the data imbalance problem in fraudulent reviewer detection. To fill this research gap, this paper proposes a novel approach to detect fraudulent reviewers in handling the data imbalance based on Expectation Maximization (EM) and Kullback–Leibler (KL) divergence (called EMKL). We first use the expectation maximization algorithm to model the latent topic distributions of reviewers on the review features. Then, we adopt the Kullback–Leibler divergence to measure the similarities of reviewers based on their topic distributions to detect fraudulent reviewers. The experiment on Yelp dataset shows that the EMKL approach has a good performance in detecting fraudulent reviewers. In addition, the proposed EMKL method performs better than the performance of state-of-the-art techniques.

报告题目：基于数据驱动的中小微企业综合质量精准服务技术研究

报告人：陈进东副教授（北京信息科技大学经济管理学院）

时间/地点：2021年11月30日（周二）10:40-11:20 中科院数学院N205, 腾讯会议：917812833

摘要：针对中小微企业综合质量服务管理和评估服务需求，研究基于数据驱动的中小微企业综合质量精准服务技术。通过与企业、平台网站以及政府部门的合作，基于数据采集技术、多源适配接口技术、防篡改技术、存储技术和索引技术，构建精准可靠的大数据采集技术，实现中小微企业综合质量服务的行业内外和互联网等数据的精准采集和预处理；面向中小微企业综合质量服务管理和评估标准缺失和不完善等问题，面向中小微企业画像、宏观质量管理、信用等级在线评级、品牌价值在线测算等综合质量服务管理和评估的要求，构建中小微企业综合质量服务管理和评估框架和标准；分析典型行业中小微企业综合质量特点和类别，基于聚类、分类算法以及复杂网络模型，研究基于多源信息融合的中小微企业综合质量画像技术，实现中小微企业综合质量画像以及质量行为预测；基于大数据、深度学习、Interbrand模型等评估方法和模型，研究面向质量提升的中小微企业宏观质量管理、基于深度神经网络的中小微企业信用等级评估、基于Interbrand的中小微企业品牌价值大数据测算等方法和技术，实现中小微企业综合质量的精准评估、战略决策和查询检索等服务。

报告题目：社会偏见、集体记忆与媒体标签化报道的互动——“保姆”媒介形象的形成与影响

报告人：王灿博士（石家庄铁道大学）

时间/地点：2021年11月30日（周二）11:20-12:00 中科院数学院N205, 腾讯会议：917812833

摘要：随着中国进入老龄化社会，生育政策逐渐放开，我国社会迫切需求家政服务社会化。然而，不断被媒体曝光的极端案例，使得“毒保姆”、“恶保姆”等成为保姆角色的标签，进入媒体报道话语。本文通过对27家中国大陆综合性报纸媒体“保姆”相关报道的梳理，在内容分析、文本分析的基础上，发现行业视角的报道主题按照新闻数量依次为“用工荒”、“行业规范”、“高端保姆”、“薪酬水平”、“低满意度”等；个体视角的报道主题新闻数量依次为“恶性案件”、“偷窃盗窃”、“转赠财产”、“虐待”、“失职”等。从报道基调看，保姆的媒介形象整体趋于负面，社会对保姆存在认知偏差，且相关新闻生产过程中呈现出污名化、标签化、他者化的特点。

在数据分析的基础上，本研究梳理了保姆媒介形象构建过程中，社会偏见、行业现状、媒介形象构建、集体记忆四者之间的关系，发现四者相互作用，形成恶性循环圈。要改善现状，需要行业从业者、公司、监管机构、政府、大众传媒等多方共同努力。