《社交網路多媒體事件檢測與影響力預測方法研究》是依託中國人民大學，由劉家俊擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：社交網路多媒體事件檢測與影響力預測方法研究
- 項目類別：青年科學基金項目
- 項目負責人：劉家俊
- 依託單位：中國人民大學
項目摘要,結題摘要,
項目摘要
社交網路多媒體事件檢測是社交網路研究中的重大而新穎的問題，在反應社會熱點、民意輿論、娛樂潮流、文化演化等方面具有舉足輕重的意義。而現有的方法著眼於利用社交網路中的信息來檢測現實生活中的事件，對於社交網路多媒體事件在虛擬空間的衍生和演化缺乏系統性研究。本項目將立足於社交網路中多媒體事件的衍生與演化，研究多媒體事件檢測及其影響力預測相關的關鍵技術。本項目首先將對衍生事件進行清晰的定義；其次為檢測此類事件而提出一種人工特徵工程與無監督特徵學習相結合的特徵抽取方法，這種方法能夠綜合利用社交網路內容中的文字信息、視覺信息以及社交信息，為衍生事件的檢測和影響力預測提供特徵；接下來本項目將利用上步所得到的特徵，建立事件之間的關聯模型以及影響力模型，全面提高現有事件檢測方法和影響力預測方法的效能；最後基於以上提出的一系列方法，本項目將建立實時運行的原型系統，使用真實、時效性較高的數據來改進方法的效能。
結題摘要
當前社交網路中的數據呈現規模大，且種類多樣的特性。除去作為網路信息常用載體的文本數據，以圖像和視頻為代表的多媒體數據在社交網路相關的各項研究和套用中的重要性正在急劇上升。多媒體作為一種信息量極大的載體，其所攜帶的豐富視覺內容對傳統的文本信息是重要補充、甚至是“不可言傳”式的升華；同時在當前社交媒體的短文本環境下，用戶往往會傾向於使用多媒體傳達比文本更多的信息。因而近年來對社交網路多媒體內容進行分析追蹤也是學界的一大熱點研究方向。本項目立足於社交網路中多媒體事件的衍生與演化，研究多媒體事件檢測及其影響力預測相關的幾個關鍵技術和問題，即社交網路中存在的圖像質量問題的復原方法、基於網路結構的各種信息節點的表示學習方法、具有時序信號的事件預測方法等。在此之上，本項目建立能夠實時運行的原型系統，並且尋求產業化以更好地服務於實際的生產活動。課題主要在在社交網路中存在的圖像質量問題的復原方法、基於網路結構的各種信息節點的表示學習方法、具有時序信號的事件預測方法三個方面取得了方法研究上的重要進展。1) 由於社交網路中圖像普遍存在的圖像壓縮、圖像編輯所導致的質量問題，會嚴重影響檢索和追蹤的結果，因而課題組研究了使用帶跳連線的自動編碼器，進行圖像復原，從而對社交網路上的低質量圖像進行去噪、超解析度等質量增強。方法在公開數據集上取得了超越當時最好方法的效果。處理過後的PSNR值相對對比方法，有著50%~5%範圍的提升。2) 社交網路中的事件由大量相互連線的節點構成，社交網路本身就是複雜網路的一種，為了判定社交網路中的多媒體事件是否存在依賴關係，需要新型的網路節點表示學習方法。課題提出，可以用各種節點之間組成的基礎結構來加強圖節點表示學習的效果，因而課題組提出了一個新型的利用圖中元組子結構的圖嵌入方法，並在理論上論證了方法與基於元組子結構的圖聚類方法有著緊密的理論聯繫，並在實驗中取得了良好效果，性能超越了DeepWalk、node2vec、LINE等現存的領先方法。3) 課題還發現在具有部分社交屬性的電商銷售環節中，也存在明顯的突發性“事件”，課題組提出一種基於多步預測與組合特徵的方法，來預測類似事件的起點、周期和強度。項目不僅在方法上創新，還建立了較為成熟穩定的原型系統，成果在服務國家對外宣傳等套用場景中進行了成果轉化，在社會實際套用中獲得了高度認可。
