社交媒体大数据智能分析与感知

As a new way of publication, propagation and communication, social media have emerged as a critical source for information accessing and sharing. Typically, social media suffer from redundancy in the rich content, vagueness in the ubiquitous correlation, and high price in instructive labels. To addresses these issues, this project aims at investigating the effective framework for intelligent analysis and understanding of social media big data. We will focus on the key techniques in robust feature selection based on information fusion, correlation analysis based on sparse and low-rank representation, model extension based on information recovery, and collaborative content analysis under the guidance of correlation prior. Based on the studies, effective solutions can be achieved for intelligent extraction of representation, correlation, and knowledge. This project explores the social media big data based on practical applications, which is inspired by the intensive studies on data mining and machine learning. This research work is innovative and practical, which will promote the advance of academic studies and stimulate related applications.

社交媒体作为新兴的内容发布、信息传播、交流沟通形式，是人们获取和分享信息的重要来源。本项目针对大规模社交媒体数据信息丰富但纷繁芜杂、内在关联普遍存在但隐蔽不清、内容标注稀缺且获取代价高昂等问题，提出一套社交媒体大数据智能分析与感知方法，并深入研究该方法框架下的若干关键性问题及其应用，重点从多源数据鲁棒特征选择与表达、基于稀疏低秩表达的关联挖掘、基于缺失信息补全的模型扩展、基于关联先验指导的内容感知等方面入手，提出一套行之有效的大规模社交媒体数据特征抽取、关联抽取、知识抽取的智能化、高效化研究方案。本项目以实际应用需求为导向，以数据挖掘、机器学习为指导，以信息关联融合、模型协同交互为桥梁，深入研究社交媒体大数据智能分析与感知的新方法及其应用，研究成果不仅可以促进鲁棒特征抽取、潜在关联抽取、高效知识抽取等方向的学术研究，而且有助于推动相关领域的实际应用，具有较强的创新性和实用性。

社交媒体大数据智能分析与感知是一项具有重要学术价值和应用前景的研究课题。项目针对大规模社交媒体数据信息丰富但纷繁芜杂、内在关联普遍存在但隐蔽不清、内容标注稀缺且获取代价高昂等问题，提出一套社交媒体大数据智能分析与感知方法，并深入研究该方法框架下的若干关键性问题及其应用。项目重点从多源数据鲁棒特征选择与表达、基于稀疏低秩表达的关联挖掘、基于缺失信息补全的模型扩展、基于关联先验的内容深度感知等方面入手，提出一套行之有效的大规模社交媒体数据特征抽取、关联抽取、知识抽取的智能化、高效化研究方案，以满足相关领域日益迫切的实际需求。项目以社交媒体大数据为研究对象，以信息智能分析感知算法理论研究为基础，以数据挖掘、机器学习为指导，以信息关联融合、模型协同交互为桥梁，深入研究社交媒体大数据智能分析与感知的新方法及其应用，解决其中存在的若干关键问题，其研究成果不仅可以促进鲁棒特征抽取、潜在关联抽取、高效知识抽取等方向的学术研究，而且有助于推动相关领域的实际应用，具有较强的创新性和实用性。项目按照研究计划逐步开展、顺利实施，突破了若干关键技术，解决了实际应用中的难点问题，形成了体系化解决方案和原型系统，圆满完成了既定目标，通过不同领域大规模数据库上开展的充分实验，验证了项目所提出方法的有效性。基于项目研究工作，在TIP、TNNLS、ToN、TIFS、TGRS等高水平期刊和AAAI、ACM MM、WWW、EMNLP、CIKM等高水平会议上发表学术论文共计29篇；申请发明专利9项，授权发明专利5项；培养和指导博士/硕士研究生16名；研究成果荣获省部级科学技术二等奖1项；技术方案在国内外科技竞赛中获得优异成绩；项目负责人当选中国计算机学会杰出会员。项目研究工作在创新性和实用性方面获得同行专家的认可。