16、社交与信息网络分析：超越常规的洞察

社交与信息网络分析：超越常规的洞察

在当今数字化时代，社交和信息网络以及社交媒体蕴含着丰富的图结构真实数据集，为分析和挖掘带来了无限可能。下面我们将深入探讨其中的两个重要领域：病毒式营销以及事件和故事的检测与跟踪。

病毒式营销面临的挑战

在产品推广过程中，消费者的决策受到多种因素的影响。他们可能会从社交网络或其他渠道收集产品的额外信息，然后决定是否采用该产品；或者根据自身对产品的估值和报价来做出决策。然而，在实际情况中，病毒式营销或信息传播很少孤立发生。

当前存在一些关于竞争影响力最大化的研究，但大多数都忽略了网络所有者的核心作用，网络所有者就像为客户提供病毒式营销服务的宿主。在市场中，产品之间的关系复杂多样，有些产品相互竞争，有些则相互补充。如何建立合适的模型来捕捉这种竞争关系，以及在竞争环境下有哪些自然的优化问题，都是亟待解决的难题。

以往的研究大多基于离散时间传播模型，如独立级联或线性阈值模型，并假设节点之间的成对影响概率是预先已知的。但在现实中，真实的网络数据集并不会附带这些影响概率。我们能否从过去的传播中学习这些概率？如果没有过去的传播数据又该怎么办？

此外，社交广告是数字广告的重要组成部分，社交平台通过推广帖子盈利。直到最近，这种模式才开始利用推广帖子的病毒式传播。那么，将社交广告与病毒式营销相结合会带来哪些好处和挑战呢？

事件和故事的检测与跟踪

社交媒体上用户生成的内容是及时识别新出现事件的宝贵来源，往往比主流媒体更有效。以“停止网络盗版法案”（SOPA）运动为例，2012 年 1 月 16 日，SOPA 成为一个突出事件，维基百科等众多网站宣布将于 1 月 18 日进行抗议。1 月 17 日，