网络媒体大数据中基于概率图模型的突发事件感知与学习技术研究

In current information platforms for emergency response, there is a great need for the intelligent processing of the big web media data. However, it brings great challenges for the characteristics of multi-source heterogeneity, cross-domain distribution and instantaneous emergence of this data together with its tacit knowledge. Against this background, this project tries to conduct interdisciplinary studies among Cross Media Analysis, Unstructured Data Management, Emergency Management and Artificial Intelligence. Under the distributed computing environment, we focus research on the key technology of emergency event perception and learning using Probabilistic Graphical Model (PGM). In order to solve the complex linking problem between the web media data and the emergency event knowledge, we plan to combine the event ontology, semantic network and the object-oriented cross-media representation into the design of a cross-media knowledge network model. Based on the model, on one hand we study the PGM based cross-source data analysis approaches and exploit the media context and domain knowledge for multi-granularity event perception; on the other hand, we study the data-driven and user-participated ontology learning methods, and synthetically utilize probabilistic graph reasoning algorithms and visual analysis approaches for semi-automatic learning of event ontology. The theoretical achievements will be published in high level papers, and the implemented core algorithms will be applied for national patents. In the meanwhile, we will integrate above technologies into an existing system and perform technical verification though practical application.

本项目面向突发事件应急信息平台的智能化需求，针对网络媒体大数据及其隐含知识具有的多源异构、跨域分布、瞬时涌现等特点所带来的挑战，运用人工智能技术，融合跨媒体分析、非结构化数据管理、应急管理等领域的理论与方法，开展分布式处理环境下基于概率图模型的突发事件感知与学习这一关键技术的研究。拟以事件本体为基础，结合语义网络和基于对象的跨媒体表示方法，设计跨媒体知识网络模型，实现网络媒体数据与突发事件知识之间的复杂关联组织。在此基础上，一方面研究基于概率图模型的跨源数据分析方法，结合媒体上下文和领域知识，实现突发事件的多粒度感知；另一方面，研究结合数据驱动与用户参与的本体学习方法，综合利用概率图推理算法和可视分析手段，实现事件本体的半自动学习。研究过程中形成的理论成果将发表高水平论文，形成的核心算法将申请国家发明专利；同时，上述成果将在已有系统中进行集成，并结合实际应用进行技术验证。

本项目面向突发事件应急信息平台的智能化需求，针对网络媒体大数据及其隐含知识具有的多源异构、跨域分布、瞬时涌现等特点所带来的挑战，运用人工智能技术，融合跨媒体分析、非结构化数据管理、应急管理等领域的理论与方法，开展分布式处理环境下突发事件感知与学习这一关键技术的研究。提出了以事件本体为基础，结合语义网络和基于对象的跨媒体表示方法，设计跨媒体知识网络模型，实现网络媒体数据与突发事件知识之间的复杂关联组织。在此基础上，一方面研究基于概率图模型的跨源数据分析方法，结合媒体上下文和领域知识，实现突发事件的多粒度感知;另一方面，研究结合数据驱动与用户参与的本体学习方法，综合利用概率图推理算法和可视分析手段，实现领域知识图谱的半自动构建。发表论文10篇，申请国家发明专利4项。同时，上述成果集成在跨媒体事件感知系统，在浙江省疾控中心和宁波出入境检验检疫局进行了示范应用。