社交网络群体性热点监测和分析关键技术研究

With the improvement of MicroBlog, Twitter, RenRen, Facebook and other social interactive networking services has been rapid development. The analysis and mining of business value and political trend of social networks have become hot topics from around the world. This project focus on basic theories and basic methods which used to detect and analyze the mass focus within social interactive networks. This project include 4 key problemes and a online validation platform, they respectively is: For the solution of society network dynamic information collection, and depth information collection, we propose a society network dynamic information depth extraction model; For the solution of mass node operations, we propose a complex network computing model used to analyze society interactive network; According to the characteristics of microBlog language expression freely, and length short (shorter than 140 Word), and Information of discrete, we propose a language computing method used to dialog and short network language; For the associated massive social network mining, we propose a data mining method of social interactive network; In order to validate the above 4 basic methods and models, we will develop a social interactive network focus mining and analysis platform.

随着微博、twitter、人人网、facebook等社交网络服务得到迅猛的发展，对社会关系网络的商业价值的挖掘、政治动态的分析等成为了世界各国的研究热点。本课题将重点研究社交网络中群体性热点信息的监测和分析基本理论和基础方法。本课题主要内容包括4个关键技术研究和1个在线验证分析平台，它们分别是：为解决动态信息深度采集难题而提出的社交网络动态信息深度提取模型；为进行大规模节点运算而提出的适用于社交网络的复杂网络分析模型；为解决微博语言表达随意、篇幅短（不大于140字）、信息离散等特征而提出的对话式超短社交网络语言计算基础方法；为进行海量社交网络关联挖掘而提出的面向社会关系网络数据挖掘方法；以及为验证4个基本方法和模型而开发的社会网络热点信息挖掘及验证分析平台。

随着微博（microblog）、微信（wechat）、twitter（推特）、facebook（脸书）等社交网络服务得到迅猛的发展，对社会关系网络的商业价值的挖掘、文化传播的分析、政治动态的预测等成为了世界各国的研究热点。本课题的目标是研究社交网络中群体性热点信息的监测和分析的基本理论和基础方法。.经过4年的研究，课题组在多个方面取得了进展，积累了一些列创新性成果，它们分别是：.1）.社交网络动态信息深度提取模型.研究了高性能的动态信息提取模型，自动提取机器人原型和新型网络应用层通信信息高速捕获与协议分析，实现了高性能信息自动提取机器人原型。.2）.社交网络的复杂网络分析模型. 研究了社交网络的演化模型和社交网络结构划分算法。针对社交网络演化模型，提出了基于兴趣向量的社交网络演化模型。针对社交网络结构划分，分别提出了基于标签算法和基于模糊聚类等方法划分算法。.3）.对话式超短社交网络语言计算基础方法. 开展了基于深度学习的中文短文本计算模型研究，在词嵌入、分词、词性标注、命名实体识别、自动分类\聚类等各个层次分别提出了基于深度学习的端到端模型，并实现了相应的算法。.4）.面向社会关系网络数据挖掘方法. 在面向社会关系的网络数据挖掘方面，提出了基于社交关系的微博重要度度量算法；提出了面向社交关系大数据的网络结构挖掘算法等。. 在研究过程中，项目组依托该项目发表论文39篇（期中，SCI检索源期刊6篇，EI检索源14篇），撰写专利5项。项目的部分成果应用于社交网络舆情监测与预警系统中，取得了较好的社会效益。