In this talk, I will discuss the use of partial differential equations (PDEs) for describing temporal-spatial patterns in information diffusion over online social networks. The PDE-based models are reaction-diffusion equations built on intuitive social distances between communities (clusters) of online users. We combine network theory, data mining and partial differential equation models to predict patterns of information diffusion over social networks. In particular, we discuss using PDEs for Bitcoin price perdition.
王海燕
王海燕教授于1985 年在西北师范大学获得数学学士学位，1988年在中国海洋大学获得硕士学位，1997年在美国密歇根州立大学获得数学博士，现为美国亚利桑那州立大学数学教授. 长期从事微分方程，网络信息扩散，应用数学的研究工作。近年来，在Springer 出版论著一部 (Modeling Information Diffusion in Online Social Networks with Partial Differential Equations), 在国际权威期刊上发表学术论文100余篇，并主持美国国家自然科学基金。被国际同行引用超过5000多次，被邀请在国际学术会议或学校作过超过140次报告，被100多个知名国际学术期刊邀请作为审稿人。
新闻报道
