报告题目：复杂网络中的信息传播计算及应用
报告人姓名：廖好
报告人单位：深圳大学
报告摘要：在当下信息高度便捷的社会背景下，复杂网络如社交媒体、新闻平台等成为了信息传播的核心载体。理解和优化这些网络中的信息传播计算不仅关乎商业推广的成功，还涉及到社会稳定和公众认知。因此，理解和优化这些复杂网络中的信息传播计算显得尤为重要。本次报告旨在针对这一关键问题进行探讨。首先，我们从理论和实证的角度，研究了择优连接机制（preferential attachment）在社交网络中影响力最大化问题的影响。我们提出了一种整合了择优连接机制的影响力传播模型，并成功应用于社交网络推广策略，以实现在竞争环境中的影响力最大化。其次，介绍一个基于多步证据检索增强的虚假新闻推理模型（MUSER）。该模型模拟了人们在阅读、总结和推理新闻真假过程中的行为，并解决了多个证据之间存在的依赖关系问题。
个人简历：廖好，深圳大学计算机与软件学院长聘副教授，博士生导师。 2015年在瑞士弗里堡大学获哲学博士学位。主要研究方向是信息挖掘与复杂系统交叉领域，信息传播与虚假新闻探测等研究，先后主持了3项国家自然科学基金等多个纵向及微软亚洲研究院、腾讯、百度、平安等企业合作委托科研项目，参与了国家重点研发计划，国家自然科学基金-广东省联合基金等国家重点项目。申请和获得国家发明专利六十余项。近年在Physics Reports、EPL、Chaos、CNSNS、IP&M、ESWA等重要期刊及KDD、SIGMOD、NeurIPS、WWW、ACL、EMNLP、AAAI等权威会议上发表多篇论文。2016年CCF-腾讯犀牛鸟卓创奖，2018年微软亚洲研究院铸星计划学者，2019年微软新闻集团LT-Hack Recognition Award以及深圳大学荔园优青学者。