社交網路群體性熱點監測和分析關鍵技術研究

《社交網路群體性熱點監測和分析關鍵技術研究》是依託上海交通大學，由蘇波擔任項目負責人的面上項目。

基本介紹

• 中文名：社交網路群體性熱點監測和分析關鍵技術研究
• 項目類別：面上項目
• 項目負責人：蘇波
• 依託單位：上海交通大學

項目摘要

隨著微博、twitter、人人網、facebook等社交網路服務得到迅猛的發展，對社會關係網路的商業價值的挖掘、政治動態的分析等成為了世界各國的研究熱點。本課題將重點研究社交網路中群體性熱點信息的監測和分析基本理論和基礎方法。本課題主要內容包括4個關鍵技術研究和1個線上驗證分析平台，它們分別是：為解決動態信息深度採集難題而提出的社交網路動態信息深度提取模型；為進行大規模節點運算而提出的適用於社交網路的複雜網路分析模型；為解決微博語言表達隨意、篇幅短（不大於140字）、信息離散等特徵而提出的對話式超短社交網路語言計算基礎方法；為進行海量社交網路關聯挖掘而提出的面向社會關係網路數據挖掘方法；以及為驗證4個基本方法和模型而開發的社會網路熱點信息挖掘及驗證分析平台。

結題摘要

隨著微博（microblog）、微信（wechat）、twitter（推特）、facebook（臉書）等社交網路服務得到迅猛的發展，對社會關係網路的商業價值的挖掘、文化傳播的分析、政治動態的預測等成為了世界各國的研究熱點。本課題的目標是研究社交網路中群體性熱點信息的監測和分析的基本理論和基礎方法。 經過4年的研究，課題組在多個方面取得了進展，積累了一些列創新性成果，它們分別是： 1、 社交網路動態信息深度提取模型 研究了高性能的動態信息提取模型，自動提取機器人原型和新型網路套用層通信信息高速捕獲與協定分析，實現了高性能信息自動提取機器人原型。 2、社交網路的複雜網路分析模型研究了社交網路的演化模型和社交網路結構劃分算法。針對社交網路演化模型，提出了基於興趣向量的社交網路演化模型。針對社交網路結構劃分，分別提出了基於標籤算法和基於模糊聚類等方法劃分算法。 3、對話式超短社交網路語言計算基礎方法開展了基於深度學習的中文短文本計算模型研究，在詞嵌入、分詞、詞性標註、命名實體識別、自動分類\聚類等各個層次分別提出了基於深度學習的端到端模型，並實現了相應的算法。 4、面向社會關係網路數據挖掘方法在面向社會關係的網路數據挖掘方面，提出了基於社交關係的微博重要度度量算法；提出了面向社交關係大數據的網路結構挖掘算法等。在研究過程中，項目組依託該項目發表論文39篇（期中，SCI檢索源期刊6篇，EI檢索源14篇），撰寫專利5項。項目的部分成果套用於社交網路輿情監測與預警系統中，取得了較好的社會效益。