【IC2S2 2019教程】社会信息网络分析的计算模型（Computational Models for Social and Information Network Analysis），清华大学计算机系教授唐杰

教程题目：Computational Models for Social and Information Network Analysis

教程简介：

在本教程中，系统地介绍了社会信息网络的挖掘和学习，涉及的主题从个人到二元交互到群体集体到信息空间。将从微信的真实例子开始教程，解释在线社交网络如何影响我们的离线物理世界。然后，我们将全面介绍社会网络分析的历史和最新进展，包括用户分析的方法和算法，用户行为建模，社会关系和群体建模，影响和信息扩散的结构。并且介绍如何应用计算模型——图形模型、深度学习和嵌入技术——来挖掘和学习网络结构。本教程的独特之处在于，它的目标是向读者提供以下内容：社会网络分析中的社会与图论基础、将社交网络研究转化为在线和移动应用的经验，包括腾讯微信和游戏、阿里巴巴、XueTangX、AMiner和微软学术。最后，本教程中介绍的所有工作都保证使用开放代码，我们还将借此机会发布最大的开放学术图，其中包含2亿个节点和30亿个链接，用于社会网络分析。

大纲：

1.社会历史和信息网络分析

• 社会历史和信息网络分析
• 网络跨学科研究
• 计算社会科学的出现
• 社会公益的CSS

2.网络中的社会影响

• 局部社会影响
• 从众心理的影响
• 三位一体和结构影响
• 社会影响位置
• 深度学习对社会的影响
• 问答

3.网络表示学习

• 图神经网络
• 网络嵌入审查
• 网络嵌入理论
• 网络嵌入作为矩阵分解
• 高速网络嵌入
• 问答

4.结论与问答(5分钟)

• 总结
• 用于社会和网络信息分析的开放数据
• 问答

组织者：

唐杰，清华大学计算机科学与技术学院教授，康奈尔大学、香港科技大学、南安普顿大学访问学者。他的兴趣包括社会网络分析、数据挖掘和机器学习。他发表了200多篇期刊/会议论文，拥有20项专利，被引用次数超过1万次。他是CIKM'16、WSDM'15、ASONAM'15、SocInfo'12的PC联合主席，是2018年KDD的副主席，ACM TKDD的代理主编，IEEE TKDE/TBD和ACM TKDD/TIST的副主编。他领导的学术社交网络分析和挖掘项目AMiner.org已经吸引了来自世界220个国家/地区的800多万个独立IP访问。曾获国家自然科学基金杰出青年学者奖、英国皇家学会-牛顿先进奖学金、牛顿先进奖学金、ACM SIGKDD服务奖。