2018年4月25日上午，中国营销工程与创新研究中心(以下简称“MEI”)2017-2018年第二学期第8次研讨会(以下简称“seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师、朱老师和MEI各位成员。

　　本次Seminar由郑仕勇研读文章“Social network fragmentation and community health”。在信息扩散谣言传播的研究中，关注的是如何选取种子节点，以最小的代价(感染种子节点)，使得信息得到最大程度的扩散。而在社区医疗、病毒防治的研究中，则相反，他们的研究侧重于找到需要进行免疫的关键节点，在社会网络中免疫这些节点，(删除)切断病毒的传播路径，从而分裂整个网络。因此本文的研究问题是在低收入国家(地区)，是否应该使用基于网络结构的选择算法来代替传统的以个人(角色)定位的选择算法。

　　本文的数据来自某国际医疗救援组织在乌干达某地区17个村庄中采集的社会网络数据。每个村庄的社会网络可分为朋友网络(社交网络)和工作网络(医疗救助信息咨询网络)。为了防止疫情扩散，需要对网络中的节点进行免疫，阻断病毒(负面信息)的扩散。传统的方法是采用人口统计信息，根据节点的社会角色(医疗工作者、村委成员、教师)选取免疫的对象。而社会网络的研究中，当能够获取整个网络结构信息情况下，是可以高效的选择免疫节点的，但是由于网络的动态演化，获取整个网络结构信息需要付出很高的成本，而医疗救助地区通常是很贫穷落后的，此外，在疫情控制的场景下，通常有时间约束。基于这一场景，本文提出了一种熟人算法，通过选取邻居节点中影响力最大的节点，获取局部最优解。首先，随机选择一个节点，然后，在该节点的邻居节点中找出局部最优。结果发现，熟人算法比传统基于个体角色的选择算法效率更高。

　　图1  郑仕勇在进行文章讲解

　　关于本篇医疗健康领域的研究如何应用到营销领域来，大家进行了讨论。这篇文章告诉我们用算法可以决定种子策略的选择，整体策略是预防性的，可以应用于线上社区的负面口碑中，也可以应用于负面新闻、产品失败等情景中。本文使用仿真并迭代数据，得到了社会网络节点数据。这个防治和信息扩散是有区别的，信息扩散一个种子节点可以扩散到很多节点。但是本文研究的是防治，每次删除一个节点，对整个网络的破坏是有限的，因为信息可以从别的渠道来。所以选择局部最优的目的，是让局部网络先脱离整个网络。

　　接下来，田滨和高蕾汇报了文章进展，大家就研究问题的框架及假设提出给出了相关建议。

　　本学期第8次seminar结束。

　　文字/高蕾 许传哲  供图/高蕾

　　审核/郑仕勇

　　网站编辑/严燚