基于社交网络文本交互内容的信息传播建模及网络关键结构发现

Text interactive content driven oriented social networks and information forwarding behavior between non-connected nodes pose critical challenges to traditional information dissemination modeling and key structure discovery based on network structure. It has become an important research topic on public opinion calculation in the basic research field of computing applications. The project focuses on three types of information representation, including the partially known structure of social networks, the operation time of social users and the interactive content. And then we carry out modeling information dissemination and discovering key structure based on text interactive content for social networks. By introducing the learning method of network representation oriented structure semantics, we propose a novel information dissemination model based on spatial-temporal mixed semantics, and clarify the dynamic mechanism of information dissemination behavior based on social text interactive content. Based on the information dissemination model above, we construct information dissemination vector between social users, and then propose a novel network community discovery model based on information dissemination vector. Meanwhile, we study information dissemination dynamics based on state transition of an arbitrary node, and then propose a novel vital node discovery model based on propagation centrality. The two discovery models above clarify the discovery mechanism of network key structure based on information dissemination in social networks. All our research findings will provide scientific basis for public opinion monitoring and emergency prediction.

面向社交网络文本交互内容驱动和非连接节点间信息转发行为对传统的基于网络结构信息传播建模及网络关键结构发现提出了挑战，它已成为网络舆情计算应用基础研究领域的重要研究课题。本项目围绕部分已知社交网络结构、社交用户操作时间与交互内容三类信息表征，重点研究社交网络文本交互内容驱动下信息传播与网络关键结构发现模型构建。通过引入面向结构语义的网络表示学习方法，提出基于时空混合语义的信息传播模型，阐明基于社交网络文本交互内容的信息传播行为的动力学机理；基于以上信息传播模型，构建用户间信息传播向量，提出基于传播向量的网络社区发现模型；同时，研究基于节点状态转换的信息传播过程，提出基于传播中心性重要节点发现模型，阐明基于社交网络信息传播的网络关键结构的发现机理。本项目研究成果为网络舆情监测与突发事件预测等提供科学依据。

面向社交网络文本交互内容驱动和非连接节点间信息转发行为对传统的基于网络结构信息传播建模及网络关键结构发现提出了挑战，它已成为网络舆情计算应用基础研究领域的重要研究课题。本项目围绕社交信息传播蕴含的信息、用户和载体三要素及其之间的关系，重点研究社交网络文本交互内容驱动下信息传播与网络关键结构发现模型构建。为了阐明基于社交网络文本交互内容的信息传播行为的动力学机理，一方面研究社交网络信息检索与语义化表征，提出基于认知推理的复杂文本检索模型，实现面向特定信息的存在语义关联证据文本的快速检索；提出基于多源文本信息整合和知识增强的事实验证模型，能够推断特定信息真实性；提出基于交互信息的社交用户图构建与社交领袖识别模型，利用文本语义特征和网络结构特征生成社交用户图，能够有效地提取用户属性和交互语义，准确识别社交领袖；另一方面研究基于文本语义的社交网络信息传播建模，提出基于级联语义相似度的信息传播模型和基于超图聚合与序列多重度量的信息传播模型，通过构建异构传播图表征时空混合语义，实现对传播级联的精准预测。为了阐明基于社交网络信息传播的网络关键结构的发现机理，一方面研究基于文本数据的社交网络社区结构发现，提出基于变分动态图自编码的社区结构发现模型，提升了社交网络动态变化条件下社区结构发现的准确度；另一方面研究基于文本数据的社交网络重要节点发现，提出基于传播中心性的重要节点发现模型，实现对影响信息传播关键节点的精准识别。从学术价值角度，发表高水平论文15篇，录用论文2篇，申请1项国家发明专利，培养已毕业研究生6名。从应用价值角度，研究成果成功在多个国家重要职能部门得到应用，为网络舆情监测与突发事件预测等提供理论依据和技术支撑。