基于多源异构信息融合的社会交互语义与拓扑发掘

社会智能正成为普适计算下一阶段研究的热点，其目的在于从大量的数字脚印中挖掘和理解社会交互模式及大规模人类活动和城市动态规律，并把学习到的信息充分地利用到各种社会性服务中。社会交互分析是社会智能研究的一个重要方面。人们的日常工作大都需通过和他人交互来完成。分析交互过程中形成的社会性信息和规律并将其智能化反馈给用户，可促进人际交互、提高工作效率。本项目将基于普适计算技术，以智能学术社区为目标群，对社会智能中的社会交互问题进行深入分析和研究。具体研究内容包括：（1）社会交互知识表示模型；（2）社交关系语义抽取；（3）社交拓扑发掘与呈现；（4）多源异构社交信息集成与融合。本研究的意义在于通过建立社会交互知识模型，进行关键技术研究，发现人际关系与社会交互模式之间的内在关联，发掘隐含的社交拓扑结构，在研究基础上开发基于异构信息融合的社交网管理系统，并将研究成果推广到其它涉及社会交互的潜在应用领域。

社会智能目的在于从大量的数字脚印中挖掘和理解社会交互模式以及大规模人类活动规律。本项目面向普适计算前沿，对社会智能中的社会交互问题进行深入分析和研究。具体研究内容包括：（1）社会交互知识表示模型；（2）社交关系语义抽取；（3）社交拓扑发掘与呈现；（4）多源异构社交信息集成与融合。. 项目在如下五个方面取得重要研究进展。（1）社交拓扑及属性挖掘、建模及群组推荐。针对社交活动群组间的复杂关联如重叠性、嵌套性等，提出了社交图模型进行群组建模，通过群组计算更好刻画社交拓扑，进而考虑近因效应、用户角色和群组亲近度等进行群组推荐。（2）多源异构社交信息的集成与融合。利用“Web智能提取”和“移动感知”技术来从物理信息空间多重要数据源中挖掘有效信息，通过统一空间映射与学习模型进行高层次的集成和融合，实现从片段化数据到实体属性的关联和多方位刻画。（3）异构社群拓扑分析与挖掘。结合基于活动社交网络，探索用户线下活动和线上行为的相互作用规律，结合内容偏好、情境和社交影响力等提出多因素邻居算法用于预测用户是否会参加某个活动。（4）多维社交语义挖掘与行为分析。通过MFCC等声音特征，进而利用结合决策树和DTW的分层识别模型，提出了基于背景声音的社会情境识别方法进行识别。针对微博交互行为，提出微博传播树并进行频繁子树挖掘，从结构角度对微博信息的转发模式进行了挖掘。（5）多源异构数据采集方法。对群智感知这一新兴数据采集技术进行了研究。对城市社区的公共信息实现群智跨空间转发、分类和共享，实现了基于群物交互特征和混合学习模型相结合的智能分类和标注方法。. 基于本项目支持，在国内外重要期刊和会议上如IEEE TMC、IEEE THMS、IEEE TSMC、IEEE Pervasive Computing等上发表论文40篇，其中SCI收录12篇。本项目关键技术实现专利申请9项。项目申请人先后入选教育部新世纪优秀人才计划（2012）和陕西省青年科技新星（2013），获得教育部自然科学二等奖一项（排名第三），国际会议最佳论文奖4项。项目执行期间担任重要国际会议组委会成员（如大会共同主席、程序主席等）8次以上，并担任IEEE Comm. Mag.、IEEE THMS、ACM TIST等国际权威期刊编委或客座编委。所做研究符合当前“以人为本”的计算理念，对于推动信息学科发展有重要意义。