群体性事件核心人物社交关系演化与活动轨迹追踪研究

Currently, our country is being in an important period of strategic opportunities, and the current frequency of mass incidents brings great challenges to building a harmonious society. With the goal of using the information technology to get involved in the management and control of the mass incidents, this project is aiming at the key science problems for the online public sentiment propagation and the offline social activities of mass incidents. From the view of system science, we innovatively apply the social networks computing and spatial-temporal data mining and take the identification of core roles in mass incidents as the key point to research the evolution of social relationships and the trajectory tracing. Firstly, we build a social activities model which describes the online public sentiment propagation and the offline social activities and conduct the feature extraction and quantification for the social activities, and then build the social activity network. Secondly, we compute the influence of each person based on the network structure characteristics, and identify the core roles. Thirdly, we research the spatial-temporal evolution characteristics of the social relationships for the core roles through their social relationships extraction and social strength calculation. Finally, we extract the activities trajectory of core roles from social data through time and space information extraction, spatial-temporal association and space-time mapping technologies, and track and predict the activities trajectory of core roles fusing the multiple models. The research provides new theoretical and methodological support for several aspects such as the social public security, crisis management, etc., which has important theoretical innovation and practical application value.

当前，我国正处于发展的重要战略机遇期，群体性事件频发，给和谐社会建设带来重大挑战。本项目以利用信息技术介入群体性事件的管控为目标，针对群体性事件线上舆情传播与线下群体活动所面临的关键科学问题，从系统科学角度，创新性地应用社交网络计算、时空数据挖掘等理论方法，以群体性事件中核心人物识别为切入点，研究社交关系演变与活动轨迹追踪。首先，构建描述线上舆情传播与线下群体活动的社交活动模型，并提取和量化社交活动的相关特征，进而构建社交活动网络。其次，基于网络结构特征进行影响力计算，对核心人物进行识别。接着，通过社交关系提取和社交强度计算，研究核心人物社交关系时空演化模型的构建。最后，通过时空信息提取、时空关联、时空映射等技术，从社交数据中提取核心人物的活动轨迹，融合多模型对核心人物的活动轨迹进行追踪预测。通过研究为社会公共安全、危机管理等多方面提供新的理论和方法支持，具有重要的理论创新和实践应用价值。

当前，我国正处于发展的重要战略机遇期，各种舆情借由社交媒体平台传播发酵，引起群体性事件频发，给和谐社会建设带来重大挑战。基于此，综合运用社交网络分析、时空大数据挖掘等前沿理论，借助人工智能、大数据技术等多种研究方法，对群体性事件核心人物的社交关系演化和活动轨迹追踪展开研究。首先，研究基于社交活动的网络结构表示问题。对用户时空交互行为进行建模，分析交互的频度、时间点、时长和位置等特征并量化计算；对交互行为发生的时间情境、环境情境和用户情境进行定性分析和定量计算，提出基于时空交互的社交强度计算方法，解决群体性事件参与者及其关系的表示问题。接下来，研究群体性事件核心人物识别以及参与者社交影响力的计算问题。通过引入密度峰值聚类算法，将节点聚为多个社区；采用熵权法设计节点影响力计算方法；融合节点度中心性等4种评价指标对节点重要性进行计算，避免单一指标的局限性；计算节点的全局及局部影响力并形成拓扑排序；基于层次聚类从全局及局部影响力出发，识别网络中不同的关键角色；基于时序网络设计关键角色演化计算方法，识别关键角色影响力变化趋势。第三，研究位置社交网络中社交关系演化计算方法。引入信息熵，建模交互分布的时间多样性对社交强度的影响；分析位置社交网络中时空交互位置的变化特性，融入概念漂移模型，构建社交关系演化模型。真实数据的实验表明该方法在社区发现和结构演化方面具有较好的性能和精度。最后，研究基于位置社交网络的活动区域预测算法。为了提高预测的准确率，设计了两种异常检测方法对异常轨迹进行检测和清除；综合考虑地点的重要性与影响力，提出了融合地点影响力的活动空间预测模型；将2-度社交好友引入协同过滤算法中，获取社交因素对交互位置的影响，提出了基于多特征表示和注意力机制的活动轨迹预测模型，提高了预测的精度；在多个数据集进行的实验证明算法的可行性和有效性。通过本课题通为社会公共安全、危机管理等多方面提供新的理论和方法支持。