Location : 在线社会网络舆论演化系列研究报告
题目：The emergence of triads on signed social network and the structure entropy
时间：2024年12月9日（周一）14:00-15:30
地点：中科院数学院南楼N402
报告人:李振鹏（台州学院电子信息与工程学院）
报告摘要：
Here, based on classic random graph model, we investigate the emergence of triads in signed random social structure. We observe that signed social networks in real world are indeed extremely balanced and the number of triads is much higher than that of in background random signed graphs. We also investigate the intrinsic link between the micro dyadic/triadic motifs and network structure entropy. Importantly, the authors find that the high proportion of reciprocity and transitivity results in the emergence of hierarchy, order, and cooperation of online social networks.
关键词：符号网络，结构平衡，网络结构熵，网络能量，三元组
报告人简介：
李振鹏，教授，2012年毕业于中国科学院数学与系统科学研究院，获管理学博士学位。现任职台州学院。中国系统工程学会数据科学与知识系统工程专业委员会副秘书长，《系统科学与数学》期刊编委。研究方向： 复杂系统建模与分析，包括自组织、临界相变、复杂网络动力学、集体行为等。从系统控制和相变角度寻求群体行为调控的方式，为在线社会网络舆论演化、结构探测提供科学有效的基础科学理论、建模方法和计算技术支持。主持国家自然科学基金项目 1项；参与国家自然科学基金及省级项目多项。
题目：基于社交媒体内容和级联结构的社交媒体虚假新闻识别
时间：2024年12月9日（周一）15:40-17:10
地点：中科院数学院南楼N402
报告人:闫志华（山西财经大学管理科学与工程学院）
报告摘要：
社交媒体的广泛使用为公民获取信息提供了便利，但也造成虚假信息传播的泛滥。因此，虚假新闻识别的受到学者的广泛关注，现有的研究主要使用在使用新闻内容和用户评论特征，忽略了新闻传播的级联结构特征。因此，本研究提出基于社交媒体新闻内容和级联结构的虚假新闻识别方法：使用Bi-LSTM、图注意力机制和平均池化将社交媒体内容表示为向量，识别新闻的上下文语义特征；使用依存句法分析和图神经网络将新闻表示为图结构，使用级联结构刻画新闻传播的动态特征。最后，本文使用微博数据集和Twitter数据集对模型进行评估，该模型的precision, recall和F1-score指标均优于对比算法。
关键词：虚假信息识别，图神经网络，级联结构，社交媒体内容
报告人简介：
闫志华，山西财经大学管理科学与工程学院讲师，于2020年在中国科学院大学获得管理科学与工程博士学位。主要研究方向为社交媒体分析、大数据预测与决策，在《系统工程理论与实践》、《管理评论》等期刊发表论文多篇。
题目：基于HAM-VAE数据增强的虚假评论识别研究
时间：2024年12月9日（周一）17:10-18：10
地点：中科院数学院南楼N402
报告人:陈进东（北京信息科技大学）
报告摘要：
针对虚假评论识别任务中数据类别不平衡问题，以及传统VAE模型文本生成质量较低且容易忽略隐变量导致KL散度消失等缺陷，提出基于层级自适应调节机制的变分自编码器文本数据增强方法（Hierarchical Adaptive Modulation VAE, HAM-VAE），提升虚假评论识别性能。采用预训练的RoBERTa和GPT-2分别作为编码器和解码器，并引入层级自适应调节机制，HAM-VAE能够精细地控制编码器提取的隐变量与解码器各层之间的交互；基于HAM-VAE方法实现虚假评论数据增强，并利用Bi-LSTM模型实现虚假评论识别。实验结果显示，HAM-VAE显著提升了生成文本的质量和多样性，同时有效地缓解了KL消失问题，并能平滑地捕获隐变量特征；在虚假评论识别任务中，通过HAM-VAE进行数据增强，Bi-LSTM模型的性能得到了显著提升，进一步验证了HAM-VAE数据增强方法的有效性和实用性。
关键词：虚假信息识别，HAM-VAE，数据增强
报告人简介：
陈进东，研究员，现任职北京信息科技大学。研究基于数据驱动的复杂系统建模、决策优化的理论方法，解决了检验检测云服务整合、企业综合质量服务等问题。主持国家重点研发计划课题、国家自然科学基金项目、北京市社科项目等。近5年在国内外重要期刊发表学术论文10篇，授权发明专利2项，获全国商业科技进步一等奖、服务业科技创新奖一等奖。入选北京市高校教师队伍优秀青年人才、北京信息科技大学人才支持计划。
CAS,Research Group of Meta-Synthesis and Knowledge Science 京ICP备05002806号-6 文保网安备案号 1101080081 邮箱: mcs@iss.ac.cn
电话：+86 10 82541801