针对微博客的公共突发事件演进趋势关键技术研究

Public's attention can be gathered in a short time through the social events spread by micro blog; as a result, emergency online public opinion would be formed.Study on the automatic detection of emerging event from the huge micro-blogging data and the prediction mechanism of its evolution tendency is of great realistic significance and theoretical value. The research results could provide basic theories and core algorithms for social media online public opinion prediction by combining computer science and media communication science.Started from the integrity of the data collection, the pertinence of emergencies identification, the effectiveness of development trend prediction, the study focuses on micro blog emergency development trend prediction system and solves the key technological problems. Firstly, a distributed data acquisition system of the micro blog is built, to obtain data set with the most imitative effect in native micro blog platform, on the basis of it, to consider the uniqueness of micro blog and propagation characteristic to put forward suitable emergency detection method, and to build an emergency short-term predicting model, and according to the varying pattern of vitality index and short-term predicted value, to analysis the developing stages of emergency in life cycle of "the forming, developing and dying" .

经过微博客平台传播的社会事件，能够在短时间内积聚公众的关注，形成突发事件的信息网络舆情。从海量微博客数据中自动检测社会突发事件并科学预测其演进态势，具有重要的现实意义和理论价值。本课题的研究将从计算机科学与传播学相结合的角度为我国针对社会化媒体的网络舆情预测提供一系列的基础理论和核心算法。课题从数据采集的完整性、突发事件识别的针对性、演进趋势预测的有效性方面入手，面向微博客网络的突发事件演进趋势预测系统定义并解决其中的关键技术问题。课题首先构建面向微博客的分布式数据采集系统，获得与原生微博客平台中完整网络具有最大拟合效果的数据集合，在此基础上综合考虑微博客独特的媒体特性与传播特性提出适合于微博客的突发事件检测方法，进而建立突发事件生命力短期预测模型，并根据事件的生命力指数的变化规律及短期预测值分析突发事件在“产生、发展、消亡”生命周期中所处的演进阶段。

移动互联网技术与社会化网络的融合使得微博客等新型社交媒体广泛应用于人们的日常生活中。从海量社会化网络数据中快速准确地自动检测出社会突发事件并研究其传播规律，具有重要的现实意义和理论价值。本课题主要从以下几个方面展开研究：（1）突发事件检测模型研究。针对微博客传播主题分众化、内容表达随意化、主题分散化、事件碎片化以及社会化网络震荡传播的特点，课题通过突发特征词检测以及突发特征词聚合建立突发事件识别模型。（2）突发事件趋势预测模型研究。从突发事件生命力指数建模入手，基于混沌时间序列的事件生命力指数预测模型研究突发事件的演进趋势。（3）基于概率图的动态情感话题模型。提出了一种基于LDA（狄利克雷分布）的动态情感-话题模型，该模型不仅能检测并跟踪话题，同时还能分析公众对于某个特定话题随时间产生的情感变化趋势。（4）话题情感传播模型研究。针对话题与情感震荡传播的情况，分别提出了基于情感的SIS模型以刻画信息在转发过程中，情感不发生变化的情况下的话题传播机制，以及基于情感的独立级联模型以研究情感在信息转发过程中的变化规律。此外，课题还对社会化网络中的隐私保护、视频传输、移动社交虚拟现实技术等与社会化网络数据交互及采集相关的问题开展了一系列研究。课题组成员先后在IEEE Network、IEEE Transactions on Vehicular Technology、Computer Communications、Computer Communications、IEEE Internet Computing、China Communication， GlobeCom等国际知名期刊以及国际学术会议上发表（或录用待发表）论文14篇。本课题的研究将为社会化网络分析领域的深入研究提供技术支持，具有重要理论价值。