社会化媒体中基于群体智慧的知识萃取、组织与服务

Social media has become an important platform for people to participate in knowledge sharing and exchange, gathered with a great amount of information resources. Meanwhile, faced with four severe problems: scattered content, disordered format, uneven quality and large quantity; valuable knowledge in social media is difficult for us to extract, organize and apply, failing to be brought into full use. Based on collective intelligence, this project will solve problems of knowledge management in social media according to different phases, including its incentive mechanisms and influence factors of public participation, in order to realize effective utilization of massive information in social media. In the process of knowledge generation, we study the quality assurance methods in knowledge contribution, aimed to improve the quality of knowledge; in the process of knowledge extraction, through analysis of diverse measures of social comments, we can pick up high-value knowledge; in the process of knowledge organization, we rely on analysis of mass behavior and improvement of social tagging design, so as to form the knowledge classification and linkage network; in the process of knowledge service, with user preference models and social recommendation as our basis, we can provide personalized knowledge service matched with diverse scenarios. In a word, this project tends to filter and deposit useful knowledge in social media based on collective intelligence, aimed at providing knowledge service to everyone, and achieving self-growth and self-improvement of knowledge during knowledge utilization.

社会化媒体正成为人人参与信息和知识交流分享的重要平台，积累了大量的知识资源，但同时由于社会化媒体中知识内容分散、格式混乱、质量参差不齐、数量繁多等问题，有用的知识资源难以有效地萃取、组织和应用，不能发挥其应有的价值。本项目将以群体智慧为基础，根据知识管理的不同环节，研究社会化媒体中大众参与机制的激励措施和影响因素，实现社会化媒体中海量知识的有效利用。在知识产生环节，研究大众参与知识贡献的质量保障机制，提高知识创造的质量；在知识萃取环节，通过对社会化评论内容的衡量指标分析，实现高质量知识的挑选；在知识组织环节，通过对大众行为的分析和社会化标签的体系设计，来构建知识分类和关联网络；在知识服务环节，基于用户偏好模型与社会化推荐，提供与用户场景匹配的个性化知识服务。最终，本项目利用群体智慧，挖掘和沉淀社会化媒体中的大量知识，为大众提供知识服务，并在知识利用过程中实现知识的自增长和自完善。

社会化媒体正成为大众参与信息和知识交流分享的重要平台，积累了大量的知识资源，但同时由于社会化媒体中知识内容分散、格式混乱、质量参差不齐、数量繁多等问题，有用的知识资源难以有效地萃取、传播和应用，不能发挥其应有的价值。本项目以群体智慧为基础，根据知识管理的不同环节，研究社会化媒体中大众参与机制的激励措施和影响因素，实现社会化媒体中海量知识的有效利用。在知识产生环节，本项目研究了大众参与知识贡献的影响因素，发现内在的参与动因，包括实际利益驱动动因，以及理想化利益驱动动因，分别对与知识贡献者以及知识潜水者有显著的影响；此外，外在的社交影响对知识贡献也有重要促进作用，而且该影响的强度随着不个人的特征的不同而不同。在知识萃取环节，通过对社会化评论内容的衡量指标分析，我们发现知识的有效性不仅受到知识本身的影响，也受到知识提供者的个人特征、知识使用者的个人特质、知识使用过程以及知识使用场景的影响。例如，在团队任务场景中的知识有效性，受到任务难易程度，团队沟通情况，团队社交情况等等的影响。在知识传播环节，项目组调研了非专业的大众读者的知识偏好，研究了高质量的知识与受欢迎知识之间的可能差异来源，并研究了社会化知识平台中，平台社交特性如何影响大众的知识分享意愿；以及知识文本的语言特性如何改变知识的受欢迎程度和大众所感知的知识专业性。在知识服务环节，项目组基于不同的知识服务场景，研究如何促进大众参与、使用以及持续使用这些知识服务。我们的研究结果表明，平台的技术特性，平台的社交性，移动服务的时间特性，及移动短信的语气都会有显著的促进作用。