应物理学院吴枝喜教授邀请，中山大学数据与计算机学院胡延庆副教授到访我院并作学术报告。欢迎广大师生届时参加！
报告一
题目：Revealing the Predictability of Intrinsic Structure in Networks
时间：2019年4月18日（星期四）上午10:00
地点：城关校区格致楼3016
摘要：
Structure prediction in networks is among the most important and widely studied problems in network science and machine learning, which has enormous contribution to various fields from recommendation systems, biology to social media. Despite the significant progress in prediction algorithms, the fundamental predictability of structures remains unclear as networks’ complex underlying formation dynamics are usually unobserved. Hence to date there has been a lack of theoretical guidance on the practical development of algorithms for their absolute performance. Here, for the first time, we find that the shortest compression length for a network structure increases linearly with the structure predictability. We observe such linear relation from networks across different domains including social, economic, biological and infrastructure networks, hinting at a possible universal class among empirical networks. In addition, our finding leads to analytical results for maximum prediction accuracy adjustable for different requirements and allows the estimation of the network dataset potential commercial values through the size of the compressed network data file.
报告二
题目：Unexpectedly high capacity of social media networks to spread information
时间：2019年4月18日（星期四）晚上19:00
地点：榆中校区天山堂A602
摘要：
在线社交网络已成为信息和影响力传播的重要媒介，并已被用于政治运动、市场营销、救灾、社会传感等领域。所有这些重要的应用都依赖于社交媒体网络中的信息传播方式。大多数研究认为，信息传播是一个渗透过程，只有当信息的再传播概率超过了渗透临界点时，才会发生大的级联。然而，这一广泛使用的假设在当前大规模的社会媒体中是否有效还不清楚。在这里，我们连续半年观察了19.2万用户的微博转发行为，对9900万用户的朋友圈数据行了爬行，收集了大量的信息传播轨迹。发现，信息传播的级联阈值仅为理论值的十分之一，真实社会媒体中98.4%的爆发事件被现有理论错误地预测为非爆发状态，严重低估了社会媒体传播信息的能力。通过系统分析，我们发现用户转发活动与网络结构之间存在着一种正反馈的共演现象，其由个人对社交媒体的沉浸所驱动，在Twitter网络中也检测到这种沉浸行为。我们将共演机理引入网络渗流理论，提出了一种新的模型，能够很好地预测临界点和级联尺寸，并与经验数据相吻合。我们的研究揭示了社交媒体结构在信息传播中的巨大推动能力，此结果适用于与网络级联相关的各种问题。
报告人简介：
胡延庆，中山大学数据与计算机学院副教授。2011年毕业于北京师范大学系统科学学院，获得系统理论方向理学博士学位，并获得北京市优秀博士论文奖；2011-2013年纽约城市大学莱维希研究所（Levich Institute）博士后。近几年主要从事具有图或者网络结构的数据挖掘算法与理论研究工作，探索数据背后的自然物理规律。发表论文 40 余篇，其中通讯、第一作者论文 25 篇, 包括自然物理（Nature Physics），物理评论快报（PRL）, 物理评论x（PRX）各1篇，美国科学院院报（PNAS）2篇，物理评论E（PRE）11篇，其中 Nature Physics 论文被选入该期封面推荐论文。
