文献类型：期刊文章

作　　者：金诚[1,2,3] 江婷君[1] 闵勇[1] 金小刚[3] 葛滢[4] 常杰[4]

JIN Cheng;JIANG Tingjun;MIN Yong;JIN Xiaogang;GE Ying;CHANG Jie(College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310023,China;IEG,Tencent Company,Shenzhen 518057,Guangdong Province,China;College of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China;College of Life Sciences,Zhejiang University,Hangzhou 310058,China)

机构地区：[1]浙江工业大学计算机科学与技术学院,浙江杭州310023 [2]腾讯科技(深圳)有限公司,广东深圳518057 [3]浙江大学计算机科学与技术学院,浙江杭州310027 [4]浙江大学生命科学学院,浙江杭州310058

出　　处：《浙江大学学报（理学版）》

基　　金：国家自然科学基金资助项目(71303217,61379074);浙江省自然科学基金资助项目(LY17G030030,LGF18D010001,LGF18D010002)

年　　份：2020

卷　　号：47

期　　号：1

起止页码：1-11

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：在线社交网络已发展成为一个独特的电子生态系统,其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂,分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上,在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来,在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展,包括:社交网络控制实验的主要研究模式;控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后,展望了人工智能技术在社交网络控制实验中的应用潜力,分析了智能算法对降低实验成本和提高实验效率的作用。

关 键 词：社交网络分析  计算社会学  控制实验  网络动力学  人工智能

分 类 号：TP393.09]