《面向實時複雜數據的信息擴散模型和分析算法研究》是依託華東師範大學，由姚俊傑擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向實時複雜數據的信息擴散模型和分析算法研究
- 項目類別：青年科學基金項目
- 項目負責人：姚俊傑
- 依託單位：華東師範大學
項目摘要,結題摘要,
項目摘要
隨著社交網路和移動智慧型設備的快速普及，網際網路上發布的信息不僅規模巨大，同時其時效性也顯著加快，傳播範圍明顯擴大。尤為突出的是，微博、點評、互動和位置記錄等新場景可以實現更實時的內容發布和反饋。與此同時，其關聯的附加特徵也使得數據處理任務越發複雜。信息擴散研究結合了時序信息和社交網路領域，建模內容變遷和用戶行為，近期獲得了大量關注，但是針對這些新的特徵的研究較為不足。..本申請課題關注實時和複雜化場景下的信息擴散研究，側重其過程建模和抽取分析。首先，針對目前很多研究中信息擴散和用戶行為等的割裂處理，本課題以機率圖模型的方式設計綜合的用戶、信息和變遷擴散模型，以更好呈現擴散過程。其次，實時場景下的擴散關聯抽取通過哈希和概述方法以達到快速演進關係抽取。最後，基於新的擴散結構模型和時序關聯模式分析等工作，本課題設計更為準確的擴散預測方法。
結題摘要
本項目圍繞多源、異構、實時、複雜的網上信息和用戶行為等場景中的信息擴散、行為預測問題展開研究。本項目的信息擴散與行為預測研究既關注網上信息在社交網路中的傳播行為，同時也探討線下用戶時空移動活動等。這些場景的數據不僅來源龐雜、特徵多樣，而且還包含複雜的用戶互動行為和線下的移動規律模式，並具有動態快速的變化特點。信息擴散和行為預測中的問題需求既涉及到數據的有效融合處理和特徵抽取處理，同時也需要穩定準確及時的預測模型。當前的一些單一融合預測解決方案難以處理複雜需求。 本項目圍繞這些難點問題，開展了一系列的理論問題和算法模型研究。項目提出了場景建模、特徵表示和準確預測等相關算法和解決方案。研究內容包括對場景中多源異構數據特徵的有效抽取和建模表示，提出了低維嵌入表示、深度學習模型的特徵表示套用到文本和社交場景中；信息擴散和行為預測的綜合預測模型設計，通過因子分解、時序模式規律抽取和後續的融合模型等實現更準確的預測效果；以及對行為模式的及時和可靠預測技術，關注了RNN深度神經網路模型、GAN對抗學習模型等提高預測模型的及時性和可靠性。 項目執行期間，研究團隊提出了一系列信息和行為傳播擴散問題中的場景建模、特徵表示和準確預測等環節的新穎算法和解決方案，有效提高了面向海量用戶行為和信息擴散的認知處理、分析預測能力。受項目支持，課題組形成了一系列原創科研成果，近期已在國內外重要學術刊物和國際會議上已發表標註受該項目資助的高質量論文7篇，其中由中國計算機學會認定的A類頂級會議/期刊論文3篇。此外，項目組還構建了一套示範性的時空數據融合預測原型展示系統，並收集了代表性的序列數據、時空行為和文本數據等數據集3項。
