摘要:既有的社会网络演化分析模型往往通过统计分析的方法从宏观上描述网络演化规律,难以深入解释驱动网络演化的微观行为原因.为了弥补以上不足,建立了网络参与者的效用函数,并引入效用分析的方法解释网络上链路形成或断开的现象,进而揭示驱动网络演化的微观行为原因.与此同时,考虑到网络参与者见面过程是网络演化的内在过程,将其视为难以观测的潜变量引入模型,用以解释不能由效用分析所刻画的网络演化现象.在以上理论模型基础上,为将其进一步量化和应用,基于对社会网络一个时期的观察和网络参与者个体属性的数据,发展了基于贝叶斯推断的参数估计方法,校准所建立效用函数中的参数并估计潜在的见面过程.通过两组仿真分析验证了模型参数估计的准确性并讨论了模型的适用范围,并将模型应用于取自Facebook平台的真实数据集,实证了模型的解释力和预测力.本文提出的模型将有助于解释社交媒体平台上社会网络形成的原因,并预测网络演化的趋势,为进一步优化社会网络结构和控制信息传播打下模型基础.