社交网络中热点话题检测与传播分析研究

Online social networks as the most popular network platforms and the new media bring a lot of opportunities and challenges to the research on the topic detection and spread analysis. The state-of-the-art topic detection and spread analysis techniques consider that online data objects are independent to each other, and the social relationship implied by the social network are not fully mined. Moreover, it doesn't take the unique information propagation mechanism of social network into consideration.Therefore, the behavior of hot topics' participators and spreaders cann't be well learned. The method of directly applying the current topic detection and spread analysis techniques to the specific domain-social network is straightforward but inefficient. In this project, we will analysis the macro and the micro structure of the social networks, the character of social network data, and construct a multi-dimension topic model for social network data. We will conduct research on hot topic detection and analysis on social network, hot topic prediction for social entity, the concrete relationship mining and semantic description on social network, key node mining and user's influence analyisi of topic. Then, a propagation model is constructed for hot topic to predict its spread.This project will mine and exploit the new characters of social network. Meanwhile, it will utilize the research results of mining and analysis on traditional network. Thus, the techniques of the topic detection and analysis on social network will be promoted efficiently.

在线社交网络作为当前最热的网络平台和新兴媒体形态，对热点话题检测和传播分析研究带来了巨大的机遇和挑战。目前的话题检测与传播分析技术大多把数据看作孤立的信息，没有深入挖掘与分析社交网络数据中所蕴含的人物社会关系，没有考虑到在线社交网络特有的信息传播机制，更缺少对社交网络中话题参与者和传播者的深度分析，从而无法对在线社交网络中的热点话题进行有效的检测与分析。本项目拟对社交网络的宏观、微观结构以及社交网络数据特征进行综合分析，构建多维的社交网络话题模型，深入研究社交网络中的热点话题检测与分析技术、面向实体的热点话题预测技术、社交网络中真实社会关系的挖掘与语义描述、话题中关键人物的挖掘与影响力分析,进而构建热点话题的传播模型并对其传播进行预测。本项目的研究将充分挖掘和利用社交网络表现的新特征，同时结合传统网络挖掘与分析的成果，有助于推动社交网络中话题检测与传播分析的理论方法和关键技术的发展。

在线社交网络作为当前最热的网络平台和新兴媒体形态，对热点话题检测和传播分析研究带来了巨大的机遇和挑战。目前的话题检测与传播分析技术大多把数据看作孤立的信息，没有深入挖掘与分析社交网络数据中所蕴含的人物社会关系，没有考虑到在线社交网络特有的信息传播机制，更缺少对社交网络中话题参与者和传播者的深度分析，从而无法对在线社交网络中的热点话题进行有效的检测与分析。本项目对社交网络的宏观、微观结构以及社交网络数据特征进行综合分析，构建多维的社交网络话题模型，深入研究微博热点话题检测、社交网络传播分析、社交网络中信息瀑布的爆发时间预测、关键人物挖掘和影响力分析、社交网络中信息传播网络推断、基于可控性与可观测性的社交网络用户影响力评价模型、异构学术网络中文献及作者的影响力分析与预测、社交网络微博寻人微博检测、虚假新闻检测、复杂网络系统的结构推断、保留节点属性的网络嵌入学习的研究、半监督的网络嵌入学习等。.此外，本项目还研究了复杂系统的社团检测、有效融合多源异构信息的交通拥堵状况建模与分析。最终圆满完成了既定的研究目标，研究成果众多，对学术研究和现实应用问题都有很高的借鉴意义。相关研究成果发表在KDD、AAAI、ACL、SDM、WSDM、 CIKM、COLING、DASFAA、WISE、WAIM 等顶级或重要国际会议，以及 TOIS、KIS、TIST、Scientific Reports、J. WWW、Neurocomputing、Physica A 等知名国际期刊，共发表高质量论文24篇，培养毕业博士生4人，培养毕业硕士生10人。另外，我们与国际上知名教授进行学术合作与交流，促进了本项目的研究。我们也收集了大量的微博、推特、新闻等语料，可用于以后的研究工作。本项目的研究成果充分挖掘和利用了社交网络表现的新特征，将有助于推动社交网络中话题检测与传播分析的理论方法和关键技术的发展。