Study on Information Diffusion Analysis in Social Networks and Its Applications
https://mp.weixin.qq.com/s/L0IbrQY2FnHscV46LBeuBg
全文下载：
https://link.springer.com/article/10.1007/s11633-018-1124-0
这些模型主要应用于：效果评价、影响最大化、信息源检测。
未来研究方向
- 用户还可以从电视、报纸、其他网站等外部信息源获得信息，而不仅仅是社交网络中的邻居(neighbors)。同时，网络中会有各种不同种类的信息在传播，如竞争产品的信息。因此，在受外部影响的异构社交网络中(heterogeneous social networks)，构建多种信息传播模型是一个重要的前进方向。
- 当前很多方法可应用于静态网络(static networks)，却忽略了网络实际上是动态可变的。
- 深度学习已经应用于社交网络分析的很多问题中，如网络嵌入(network embedding)和链接预测(link prediction)。社交网络中信息的传播过程很复杂，有时甚至无法观察到。我们能否设计出深度学习方法以分析信息传播？例如，只需将网络结构和用户信息，如年龄、性别、发帖等输入到基于深度学习的模型中，就能输出用户的影响力。
- 把信息传播分析与其他实用问题相结合