基于时空特性的在线社交网络搜索研究

With the growing popularity of online social networks, it presents new challenges for information search technology. Intelligent analysis and processing for massive cross-media big data is the key to achieve the social network search in support of the spatiotemporal characteristics. On the basis of previous research, the project will establish the online social network cross-media big data perceptual model and achieve the spatiotemporal information acquisition and expression for online social network cross-media big data; the project will put forward the semantic analysis, model building and deep semantic learning algorithm for social network cross-media big data in support of the spatiotemporal and social characteristics, and realize the spatiotemporal and behavior characteristics analysis for online social network objects; the project will present cross-media content searching and mining algorithms in support of the spatiotemporal characteristics, and build the precise search model for online social network objects in support of the spatiotemporal characteristics, and realize the real-time monitoring and tracking for emergencies, hot events and opinion leaders; the project will establish social network endangering national security emergency information search system and people security threat source searching and tracking system, in order to provide the scientific and accurate decision making basis by achieving the swarm intelligent perception, data mining, searching, real-time monitoring and tracking services for higher level online social network cross-media big data and strive to achieve a breakthrough in online social network search field in support of the spatiotemporal characteristics.

随着在线社交网络日益流行，对信息搜索技术提出了新的挑战。对海量跨媒体大数据进行智能分析和处理是实现支持时空特性的社交网络搜索的关键。本项目在以往科学研究基础上，建立在线社交网络跨媒体大数据的群智感知模型，实现在线社交网络跨媒体大数据的时空信息获取与表达；提出支持时空特性和社交特性的社交网络跨媒体大数据的语义分析、建模以及深度语义学习算法，实现在线社交网络对象的时空特性与行为特性的关联分析；提出支持时空特性的跨媒体内容搜索与挖掘算法，构建支持时空特性的在线社交网络对象的精准搜索模型，实现对突发事件、热点事件及意见领袖等的实时监控和跟踪；建立社交网络中危害国家安全的突发事件信息搜索系统与社交网络中国民安全威胁来源搜索与追踪系统，为实现更高层次的在线社交网络跨媒体大数据的群智感知、挖掘、搜索、实时监控和跟踪服务提供科学准确的决策依据，力争在支持时空特性的在线社交网络搜索领域取得突破性进展。

本项目在以往科学研究的基础上，从模型建立、算法设计、关键技术和系统实现等方面对支持时空特性的在线社交网络跨媒体搜索关键理论与技术进行了深入研究。建立了支持时空特性的在线社交网络搜索系统总体架构，构建了在线社交网络跨媒体大数据的群智感知模型，实现了在线社交网络中跨媒体大数据的时空模式发现与时空聚类；提出了具有异构、高维和多阶特性的跨媒体数据语义提取、描述与建模方法，实现了跨媒体大数据的深度语义学习以及对象时空特性与行为特性的关联分析，解决在线社交网络中多种媒体形态之间的语义鸿沟问题；建立了支持时空特性的社交网络知识库和索引体系，进行了社交网络对象的行为特征挖掘和社交特征挖掘，实现了支持时空特性的社交网络跨媒体内容搜索以及在线社交网络对象的精准搜索；建立了支持时空特性的在线社交网络搜索系统，实现对社交网络中危害国家安全的突发事件信息的搜索以及国民安全信息威胁的搜索与来源追踪。在基于时空特性的在线社交网络搜索的关键理论与技术研究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，得到国际和国内同行的高度评价。在TPAMI，CVPR，IJCAI, TKDE，ICDE, ACM MM, World Wide Web Conference, TNNLS, TIP, ACM TIST, IJMLC, PR等著名国际期刊和本领域著名国际会议及国内期刊上发表学术论文97篇，其中发表SCI期刊论文60篇，发表EI期刊和EI会议论文29篇，发表IEEE汇刊文章18篇，CCF A类论文19篇，CCF B类论文17篇，一区论文34篇，二区论文13篇，中文核心期刊论文6篇，其他论文2篇。出版学术著作1本，申请和授权发明专利20项，其中已授权6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、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、北京市科学技术情报研究所、上海智臻智能网络科技股份有限公司等得到了成功应用。

内容获取失败，请点击重试