Sampling on Networks

在传统社会调查面临样本获取困难、代表性不足等挑战的背景下，社会网络为复杂人群的调查研究提供了新路径。本报告将围绕社会网络统计抽样理论基础与实际应用展开，重点介绍滚雪球抽样（Snowball Sampling）、中心网络抽样（Ego-Centric Sampling）与同伴驱动抽样（Respondent-Driven Sampling, RDS）等关键方法。

特别是网络无偏估计量（Lu-估计量），使得利用社交网络或在线社交媒体可以较容易地调查以往难以接触的社会群体，并通过有限样本实现对总体的渐进无偏估计。报告还将介绍相关技术在越南、瑞典、泰国、阿根廷、中国等不同社会条件下的公共卫生特殊人群抽样调查实践结果。

吕欣，中国人民解放军国防科技大学系统工程学院首席专家，教授，博士生导师，国家杰出青年科学基金获得者，“对抗性复杂系统智能决策”创新研究群体负责人。主要研究方向为大数据、复杂网络、类脑智能、应急管理，研究成果广泛应用于地震、台风、疫情等重大突发事件应急响应中。

关于移动大数据支撑应急救援的工作被MIT技术评论列为“全球十大突破性技术”，高风险人群网络抽样方法被称为“吕-估计量”。成果发表于Nature、PNAS、Nature Communications等期刊，获人民日报、新华社、BBC、纽约时报等高度评价。

入选全球前2%顶尖科学家“终身科学影响力”榜单，获全球移动大奖（GLOMO Award）、国家级教学成果二等奖、教育部自然科学二等奖等多项奖励。2025-2026年将出版《数据挖掘》《大数据平台架构》《复杂网络》等教材。