高效能的互联网舆情信息分布式采集理论与算法研究

互联网舆情信息采集是舆情分析、推演、预警和评估的前提和基础。舆情信息的时效性和舆情系统的成本约束等新的效能需求，对传统的舆情信息采集技术提出了挑战。分布式信息采集具备多网络接入点、就近采集和高伸缩性优势，为高效能舆情采集引入了新的契机，但其仍然存在缺乏效能评价模型、体系结构模型不成熟，负载不均衡，网络成本开销大等亟待解决的关键问题。本项目将重点考虑这些因素，以互联网舆情高效能分布式采集为核心科学问题，建立可量化的舆情信息系统效能模型，提出高效能的分布式舆情采集体系结构，在基于网络距离的Web划分、基于粒度切分与链接迁移的负载均衡、基于链接空间划分的网络成本优化等核心算法方面希望取得创新性成果。项目力争在高效能舆情采集的理论模型与算法方面取得突破，从而显著提高我国面对网络突发事件的应急响应能力，维护国家安全、保障社会和谐稳定。

本项目围绕高效能的互联网舆情信息分布式采集理论与算法展开了全面和系统的研究工作，并按照计划完成了全部研究工作。在可量化的舆情信息系统效能模型、高效能的分布式舆情采集体系、基于网络距离的Web 划分、基于粒度切分与链接迁移的负载均衡、基于链接空间划分的网络成本优化等核心算法方面希望取得了预期的研究成果。研究成果成功应用于互联网舆情分布式信息采集和舆论领袖发现，显著提高我国面对网络安全突发事件的应急响应能力，维护国家安全、保障社会稳定。以上研究成果在国内属于领先水平，部分成果在国际上具有创新性。2012-2015年期间共发表论文22篇，其中SCI检索14篇（影响因子最高为2.706），EI检索10篇，ISTP检索2篇。在科学出版社出版专著一本。受邀做特邀报告3次（国际1次，国内2次），会议报告2次。申请发明专利3项，其中批准1项，申请2项。培养博士研究生3人，硕士研究生7人。.