《面向知識管理的社會化媒體多源信息整合研究》是依託中央財經大學，由楊銘擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向知識管理的社會化媒體多源信息整合研究
- 項目類別：青年科學基金項目
- 項目負責人：楊銘
- 依託單位：中央財經大學
項目摘要,結題摘要,
項目摘要
隨著Web 2.0的迅猛發展，越來越多的網路用戶通過多種終端、多種社會化媒體平台輸出數字內容，驅動整個網際網路世界邁入大數據時代。社會化媒體中蘊含著大量用戶產生的內容 (UGC)，這類大數據既包含有價值的資訊又聚集著廣大網民的觀點和經驗。然而，不同社會化媒體平台中的UGC不僅來源廣泛、數量龐大，數據結構也不盡相同。本課題擬採用信息系統設計科學的範式展開研究，提出面向知識管理的社會化媒體多源信息整合方案。首先，我們開發系統，從微博、網路論壇、部落格、社交網路等多種形式的社會化媒體中提取特定的UGC。然後，我們設計面向知識管理的解決方案，處理不同社會化媒體平台環境下UGC數據存在的多源、海量、異構以及相互關聯等複雜問題。本研究提出的理論和方法可以幫助企業和政府組織利用社會化媒體中的大數據尋求決策依據，發現其中蘊藏的商業機遇，進而提升組織的競爭力。
結題摘要
隨著Web 2.0興起，社會化媒體迅速成為人們交換信息、表達思想、重構已有知識的理想場所。與此同時，社會化媒體產生了大量用戶創造的內容(User Generated Content, UGC)，驅動整個網際網路世界進入大數據時代。然而，不同社會化媒體平台中的數據資源是分散的、海量的、非結構化的。如何充分利用UGC為企業和政府機構提供科學的決策至關重要。本研究採用信息系統設計科學的範式展開研究，提出面向知識管理的社會化媒體多源信息整合方案，處理不同社會化媒體平台環境下用戶產生內容(User Generated Content, UGC) 數據存在的多源、海量、異構以及相互關聯等複雜問題。主要研究內容包括：(1) 基於半監督式機器學習的社會化媒體多源文本信息收集；(2) 從大規模社會網路中進行數據抽樣；(3) 不同社會化媒體平台數據資源的整合；(4) 影響社交媒體知識交換質量的因素分析。我們的項目基本按照預定計畫執行，針對以上研究內容，我們設計並實現了基於半監督式機器學習的算法，支持熱點話題的識別；提出了面向大規模社會網路數據抽樣的理論和方法，支持大規模異構線上社區的偵測和結構的變化；建立了多源異構UGC數據的整合方法，實現多源UGC的深度關聯挖掘；利用結構方程模型分析了社交媒體影響知識交換質量的因素。總體來說，本課題達到了預期的研究目標，為企業和政府組織有效利用社會化媒體所特有的互動模式及其所蘊含的大數據提供了新思路和新方法。
