尚可可 - 南京大学 - 新闻传播学院

个人简介

2017年12月博士毕业于西北工业大学兵器科学与技术专业，2018年4月至今在南京大学任教，发表论文近20篇，其中以第一作者在国际经典物理期刊发表SCI论文9篇。主持国家自然科学基金青年项目1项、计算传播学研究委员会社科类项目1项，参与国家社科基金重大项目2项，国家、省部级自科类项目10余项、省部级社科类项目2项。2015年2月至2017年2月在西澳大利亚大学进行博士联合培养，期间激发了广泛的科研兴趣，主要从事信息、计算机、数学、统计物理和社会学的交叉研究，研究方向有社交关系预测、零模型、在线社交网络和网络信息传播等。为网络科学领域10本SCI期刊的审稿人，重庆邮电大学计算机科学与技术学院外聘硕士生导师，国家自然科学基金通讯评审人，中国新闻史学会计算传播学研究委员会首任副秘书长（2018.10 -2020.10),目前谷歌H指数为8，i10指数为6，相关学术研究被国家自然科学基金委员会网站、美国物理联合会网站、美国科学促进会（Science的主办机构）旗下网站、南大新闻网等学术机构报道。开设主要课程：《网络新科学》《社交关系预测》《新媒体广告》 Email: 审稿SCI期刊： 1）Physica A: Statistical Mechanics and its Applications 2017 年杰出审稿人 2）New Journal of Physics 3）Chaos: An Interdisciplinary Journal of Nonlinear Science 4）EPL(Europhysics Letters) 5) IJMPC(INTERNATIONAL JOURNAL OF MODERN PHYSICS C) 6) IEEE ACCESS 7) CCPE(Concurrency and Computation: Practice and Experience) 8) Scientific Reports 9) IJMPB(INTERNATIONAL JOURNAL OF MODERN PHYSICS B) 10)Mathematical Problems in Engineering 主持项目： 2019.01–2021.12 国家自然科学基金青年项目：“基于链路预测和零模型的演化网络结构分析”（61803047）（主持人） Analysis of evolving network structure based on link prediction and null models National Natural Science Foundation of China 61803047 2019.01-2019.12 腾讯-南京大学-中国新闻史学会计算传播学研究委员会互联网传播学项目:“演化社交网络上的传播路径预测”（主持人）主要参与项目： 1，国家社科基金重大项目（计算社会学）“大数据驱动的网络社会心态发展规律与引导策略研究” 陈云松教授主持 2，国家社科基金重大项目（计算传播学）“大数据时代计算传播学的理论、方法与应用研究” 巢乃鹏教授主持相关学术新闻： 1，关于论文Growing networks with communities: A distributive link model（具有演化社群功能的增长网络模型）的主要报道：国家自然科学基金会http://www.nsfc.gov.cn/csc/20340/20343/52615/index.html AIP科学之光https://aip.scitation.org/doi/10.1063/10.0001196 南京大学新闻网https://news.nju.edu.cn/xsdt/20200501/i98897.html 2，关于论文Link prediction for tree-like networks（传播结构网络上的交互关系预测）的主要报道：美国物理联合会https://publishing.aip.org/publications/latest-content/finding-missing-network-links-could-help-develop-new-drugs-stop-disease-ease-traffic/ 美国科学促进会https://www.eurekalert.org/pub_releases/2019-06/aiop-fmn062419.php 南京大学新闻网https://news.nju.edu.cn/xsdt/20190628/i94374.html

近期论文

查看导师新发文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

1，Ke-ke Shang*, et al. “Growing networks with communities: A distributive link model.” Chaos: An Interdisciplinary Journal of Nonlinear Science 30(2020): 041101. SCI检索 2, Ke-ke Shang*, et al. “ A novel metric for community detection.” EPL (Europhysics Letters), 129(2020): 68002. SCI检索 3, Ke-ke Shang*, et al. “ The key to the weak-ties phenomenon.” EPL (Europhysics Letters), 127(2019): 48002. SCI检索 4, Ke-ke Shang*, et al. “Link prediction for tree-like networks.” Chaos: An Interdisciplinary Journal of Nonlinear Science 29.6 (2019): 061103. SCI检索 5, Ke-ke Shang, Michael Small, Xiao-Ke Xu, and Wei-sheng Yan. “The role of direct links for link prediction in evolving networks.” EPL (Europhysics Letters), 117 (2017) 28002. SCI检索 6, Ke-ke Shang*, Michael Small, and Wei-sheng Yan. “Fitness networks for real world systems via modified preferential attachment.” Physica A: Statistical Mechanics and its Applications, 474 (2017): 49-60. SCI检索 7, Ke-ke Shang*, Michael Small and Wei-sheng Yan. “Link direction for link prediction.” Physica A: Statistical Mechanics and its Applications 469 (2017) 767–776. SCI检索 8, Ke-ke Shang, Wei-sheng Yan, and Michael Small*. “Evolving networks—Using past structure to predict the future.” Physica A: Statistical Mechanics and its Applications 455 (2016): 120-135. SCI检索 9, Ke-Ke Shang, Wei-Sheng Yan, and Xiao-Ke Xu*. “Limitation of degree information for analyzing the interaction evolution in online social networks.” International Journal of Modern Physics C 25.10 (2014): 1450056. SCI检索 10, 尚可可, 许小可. 基于置乱算法的复杂网络零模型构造及其应用 [J]. 电子科技大学学报, 2014, 43(1): 7-20. EI检索