喻园管理论坛2023年第87期(总第910期)

演讲主题: Distinguishing Homophily from Peer Influence Through Network Representation Learning

主 讲 人: 柳   炎，浙江大学管理学院管理科学与工程专业博士

主 持 人: 杨彦武，信息管理与数据科学系主任、教授

活动时间: 2023年11月8日（周三）10:00-12:00

活动地点: 管理大楼121室

主讲人简介：

柳炎博士毕业于浙江大学管理学院管理科学与工程专业，导师为陈熹教授，主要从事社交网络分析、因果推断、图神经网络、多模态深度学习等领域的研究。在INFORMS Journal on Computing等期刊和会议上发表过多篇论文，参与过国家自然科学基金重大研究计划项目、面上项目和重点项目的研究，为阿里巴巴、国家电网、联合利华、字节跳动等知名企业提供商业数据分析和决策支持。申请人近五年获得过浙江省和浙江大学优秀毕业研究生以及浙江大学学生人文社会科学研究优秀成果奖一等奖等荣誉。

活动简介：

同伴影响和同质性是社会影响背后的两种相互纠缠的力量。然而，很难将同质性与同伴影响区分开来，特别是当存在由不可观察的特征引起的潜在同质性时。我们提出了一种新的数据驱动框架，它结合了潜在同质性识别和因果推断的优点。具体来说，该方法首先利用可扩展的网络表征学习算法来获得从社交网络结构中提取的节点嵌入。然后，节点嵌入用于在因果推理的准实验设计中控制潜在同质性。仿真实验表明，与现有的参数化方法和数据驱动方法相比，所提出的方法可以更准确地估计同伴影响效应。我们将提出的框架应用于玩家在线游戏行为的实证研究。首先，我们的方法可以提高在线游戏中的同伴影响估计模型的拟合优度。其次，我们发现了同伴影响的异质效应：游玩时间更长和比赛水平更高的玩家会受到更强的同伴影响。最后，我们的结果表明同质性效应对玩家行为的影响大于同伴影响。因此，我们的贡献在于提出了一种新颖的计算方法，使用从数据中学习的网络嵌入来控制潜在的同质性，可以将在线网络中的同伴影响与同质性区分开来。该方法有效地解决了在没有随机实验条件的情况下正确识别同伴效应的挑战。该方法在简化计算过程的同时，取得了良好的计算性能，从而有效地帮助研究人员和从业人员在各种在线服务上下文中提取有用的网络信息。