时间：2021年11月30日周二13：00－15：00
报告人：周立欣，杨平乐
地点：经管大楼A楼四楼第二会议室报告厅
报告一：Infusing external knowledge into stance detection task onsocial platforms
主讲人：周立欣（上海理工大学 管理学院）
简介：周立欣，博士毕业于同济大学，现为上海理工大学，管理科学与工程专业“沪江”博士后，合作导师为管理学院院长、“沪江”领军人才赵来军教授。主要从事互联网用户行为分析、深度学习等方面的研究，在《Technological Forecasting and Social Change》《模式识别与人工智能》《情报杂志》等国内外期刊发表多篇论文，主持中国博士后科学基金面上项目一项。
摘要：针对在线社交平台的用户评论进行立场检测，旨在对某一特定话题之下用户的评论信息进行立场的分类。现有立场检测研究大都只关注评论文本的内部语义特征，忽略了与评论文本相关的外部知识。通过将评论的关键信息映射到知识图谱中来检索与该关键信息有关的外部知识，基于图神经网络将外部知识引入到立场检测任务中，提升社交网络立场检测任务的效果，为舆情控制、谣言识别等现实应用提供决策支持。
报告二：复杂网络中的影响最大化研究
主讲人：杨平乐（上海理工大学 管理学院）
简介：杨平乐，上海理工大学管理科学与工程博后流动站博后。近年来一直从事复杂网络相关领域的研究，积累了一些前期研究成果，在社会网络舆情传播方面有一些基础。主持国家社会科学基金1项，主持和参与省部级课题10余项，获得省部级科研奖励2项（排名均为2/4），获得2项发明专利授权，申请10余项发明专利（在审），在社会复杂网络相关领域发表论文16篇，其中SCI期刊10余篇。
摘要：社会网络是研究现实世界的一种分析视角，影响最大化研究已经成为当前研究的热点和关键问题，大量的社会应用使得这些问题的研究变得非常迫切。这些研究有助于成功地发布电子商务产品的广告，优化有限营销预算资源的使用，协助对疫情免疫、舆情监控、突发事件和群体事件网络传播的预测与干预等。我们结合企业追求营销成本效益的具体应用场景开展影响最大化问题研究，构建了以影响力最大化和营销成本最小化为目标的多目标优化模型，提出了一种基于NSGA-II的限定预算下影响最大化种子节点集识别算法。算法中给出了种子集寻优范围缩减策略，在确保寻优效果的前提下有效降低计算复杂度。
