基于异构表示融合的网络社会风险在线识别与动态监测

Using societal risk research results from socio psychology, this project explores an effective strategy for societal risk monitoring based on user posted content from cognition level. Through public opinions on the internet, identification and accumulation the corresponding societal risks of user posted content is available for the dynamic monitoring of internet societal risk. Based on internet media platforms, this study focuses on the methods of mechanism modeling, on-line identification and dynamic monitoring of internet societal risk. First, based on the risk cognition of internet user, this study will explore the modeling strategy, construct the comprehensive index of internet societal risk and refine the feature words of different risk categories. Second, based on multiply text representations, such as the distributed representation of deep learning etc., the fusion methods for multiply heterogeneous text representations will be explored, and the risk feature representation will be optimized, which is supportive to the big data and ensemble strategies of societal risk classification. Third, with location identification methods, based on societal risk model, the internet risk levels of different regions will be estimated or predicted. Based on heterogeneous representations fusion, internet societal risk perception computing tries to demonstrate the support with big data mining method for public opinion.

本项目借鉴社会心理中社会风险研究成果，从认知层面探索基于网络用户发表内容感知社会风险的有效方法。通过网络所承载的民意，识别和积聚用户发表内容对应的社会风险，实现网络社会风险的动态监测。本项目立足于互联网媒体平台，致力于网络社会风险的机理建模、在线识别和动态监测方面的研究。本项目首先基于网络用户风险认知探索社会风险建模理论和方法，建立社会风险的综合指数，构造风险词库；然后基于深度学习的分布式表示等多种文本表示，探索多种异构文本表示融合方法，优化文本风险特征表示，支持基于文本表示融合的大数据混合学习风险识别算法研究；最后利用文本位置识别方法，结合社会风险建模方法，估计/预测不同地域网络社会风险水平。基于异构表示融合的网络社会风险水平感知计算，为舆情分析优化求解提供示范可操作的大数据挖掘方法。

本项目通过网络所承载的民意，借鉴社会心理中社会风险研究成果，从认知层面探索基于网络用户发表内容感知社会风险的有效方法，实现网络社会风险的动态监测。本项目立足于互联网媒体平台，致力于网络社会风险的机理建模、在线识别和动态监测方面的研究。研究内容主要分为四个方面：一、网络社会风险监测的机理研究。选取天涯论坛具有代表性板块“天涯杂谈”和“百姓声音”的每日新发帖进行社会风险类别标注，基于系统动力学模型研究网络社会风险事件的演化机理，建立各类风险的风险词库和风险事件特征词汇集，分析帖子基本属性、情绪与帖子社会风险分类的关系，基于文本相似度比较探讨网络文本社会风险分类的可行性。二、基于异构表示融合的社会风险分类算法研究。研究基于递归卷积神经网络、受限玻尔兹曼机等深度神经网络模型的文本表示方法，比较不同文本表示方法在社会风险分类中性能差异，实现基于不同模型的多种kNN分类模型集成、基于深度学习模型Paragraph Vector的多文本表示融合、在SVM决策层融合不同文本表示等社会风险分类算法。三、研究不同地域网络社会风险动态监测。研究建立一种面向中文网络论坛文本的事件地点归属省份识别方法，实现对于不同省份风险水平估计，建立基于深度学习模型的网络异源数据社会风险预估算法，提出一种基于样本熵和深度神经网络的时序数列预测方法实现BBS论坛每日发帖量准确预测。四、研发了一套互联网舆情深度分析与引导系统DeepOpinion。该系统提供数据抓取、社会风险分类、词频分析、用户ID分析、主题分析、地区分析、情感分析、网络分析、舆情引导等功能，以图表、报表形式对结果进行可视化展示，能使用户对互联网上的话题和社会风险有个基本的掌握，了解社会上的社会风险走向、并对有危险的舆情进行引导。基于异构表示融合的网络社会风险水平感知计算，为舆情分析优化求解提供示范可操作的大数据挖掘方法。