基于用户搜索意图理解的在线社交网络跨媒体精准搜索与挖掘研究

With the rapid expansion of online social network information, it is difficult to meet the growing personalized and precise searching requirements by using the traditional search technology. Deep mining for user search intention is the key to improve the quality of search. On the basis of previous scientific research, this project will establish a multi-modal information perceptual model for online social network based on knowledge map and realize the background feature information acquisition and expression of cross-media big data in virtual space; the project will put forward the deep semantic learning methods for cross-media big data with multimodal and multi-attribute properties, which aims to achieve the association between the user search intention and the cross-media big data semantics; the project will propose on line social network cross-media precise search and mining algorithms via understanding user search intention, and realize social network object search for sensitive subjects; the project will establish a social network public opinion information search system that supports understanding user intention and a social network rumors source tracking system, in order to provide the scientific and accurate decision making basis by achieving the automatic perception and active acquisition, precise searching and data mining, emergency event monitoring and public tracking services for higher level online social network cross-media big data and strive to achieve a breakthrough in online social network search and mining field based on user search intention.

随着在线社交网络信息的剧烈膨胀，传统的搜索技术难以满足用户日益增长的个性化和精准化搜索需求，深层次挖掘用户搜索意图是提高搜索质量的关键。本项目在以往科学研究基础上，建立基于知识图谱的在线社交网络多模态信息感知模型，实现虚拟空间内跨媒体大数据的背景特征信息获取与表达；提出支持多属性多模态的社交网络跨媒体大数据深度语义学习方法，实现用户搜索意图与跨媒体大数据的语义关联；提出基于用户搜索意图理解的在线社交网络精准搜索与挖掘算法，实现对主题敏感性的社交网络对象搜索，建立支持用户搜索意图理解的在线社交网络舆情信息搜索与突发事件监测系统以及在线社交网络谣言来源搜索与追踪系统，为实现更高层次的基于用户搜索意图理解的在线社交网络跨媒体大数据的自动感知与主动获取、精准搜索与挖掘、突发事件监测与舆情跟踪提供科学准确的决策依据，力争在基于用户搜索意图理解的在线社交网络搜索与挖掘领域取得突破性进展。

本项目从模型建立、算法设计、关键技术和系统实现等方面对基于用户搜索意图理解的在线社交网络跨媒体精准搜索与挖掘关键理论与技术进行了深入研究。建立了基于知识图谱的在线社交网络多模态信息感知模型，实现了在线社交网络跨媒体大数据的特征获取与表达；提出了支持多属性多模态的社交网络跨媒体大数据深度语义学习方法，实现了用户搜索意图与跨媒体大数据的语义关联；提出了基于用户搜索意图理解的在线社交网络精准搜索与挖掘算法，实现了对特定主题下社交网络对象的精准搜索；建立了支持用户搜索意图理解的在线社交网络舆情信息搜索与突发事件监测系统以及在线社交网络谣言来源搜索与追踪系统。在基于用户搜索意图理解的在线社交网络搜索与挖掘领域取得了突破性进展，取得了一系列具有创新性和自主知识产权的研究成果。在ICDE, IJCAI, ACM MM, IEEE TKDE, TNNLS, TIP, TVT, ACM TIST, Neurocomputing, WWWJ, Information Sciences, IEEE SPL, JCST等本领域著名期刊和会议上发表学术论文41篇，其中发表SCI期刊论文25篇，发表EI期刊和EI会议论文13篇，发表IEEE汇刊文章5篇，CCF A类论文9篇，CCF B类论文9篇，一区论文14篇，二区论文5篇，中文核心期刊论文3篇。出版学术著作1本，申请和授权发明专利16项，其中已授权4项。登记软件著作权12项。获2020年度中国人工智能学会吴文俊人工智能自然科学奖二等奖、2021年IEEE CCIS国际会议最佳论文奖、2020年第16届中国智能系统会议优秀论文奖、2019年中国智能自动化会议最佳论文奖、2019年第15届中国智能系统会议优秀论文奖、2018年第六届CCF大数据学术会议最佳学术论文奖等。项目成果在北京微梦创科网络技术有限公司、上海智臻智能网络科技股份有限公司和北京市科学技术情报研究所等得到了成功应用。