RIMNI 特刊征稿 | 数据智能与社交网络

       社交网络已发展成为高度复杂的系统，其特点是海量数据和错综复杂的结构关系。数据智能的整合——特别是大型语言模型、知识图谱和深度学习——为分析这些相互关联的环境提供了有效的计算框架。通过映射复杂的语义表示和网络拓扑结构，这些技术为处理非结构化数据和提取关系知识提供了系统的方法。这使得用户行为、信息传播和社群结构能够进行更可靠的建模。鉴于现代网络的动态性和大规模性，开发稳健、可扩展且可解释的算法已成为理论研究和实际应用的重要关注点。

       本期特刊旨在介绍社交网络数据智能领域的最新方法论改进、计算模型和应用研究。我们欢迎原创研究论文和系统性综述，探讨该领域当前的计算挑战、算法设计和数据驱动建模。我们的目标是促进扎实的学术讨论，为研究人员和实践者提供一个平台，交流如何可靠地应用先进的人工智能技术来分析和理解复杂的网络系统。

研究方向（包括但不限于）：

1. 社交网络中的计算建模：数据驱动方法、复杂网络分析和结构演化建模。

2. 大型语言模型和生成式人工智能：用于社交数据处理、语义理解和内容生成的算法方法。

3. 知识图谱和关系推理：知识表示学习、图神经网络和互联系统中的结构推理。

4. 行为建模和多智能体系统：用于个体和群体行为、群体智能和动态网络仿真的计算模型。

5. 信息扩散和网络动力学：用于追踪社会影响、公众舆论演变和异常检测的数学和计算方法。

6. 智能推荐和决策支持：用于社交推荐、个性化信息服务和数据驱动决策的算法设计。

7. 社会系统中的可信计算：隐私保护、数据安全、算法公平性以及对噪声或欺骗性信息的稳健处理。

8. 跨学科应用：数据智能和网络分析在教育、医疗保健、智慧城市和公共服务等领域的应用。

截止日期：2026年12月31日

主页链接：https://www.scipedia.com/sj/specialissuerimni108

客座编辑：

林荣华            华南师范大学

袁成哲            广东技术师范大学

钟    昊            广东技术师范大学 

汤非易            广州职业技术大学   

Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería（RIMNI）期刊为SCI四区，JCR Q4期刊，是一本专注于数值算法和工程计算的国际学术期刊。