基于协同语义计算的社交媒体信息扩散与可信性研究

Social media, such as social network services (SNS) and microblogs, provides a novel platform for people to share and communicate information. With the rise of social media, the patterns of information diffusion profoundly change. Moreover, the dramatic increase of information sources will lead to misinformation overflow, a hidden danger to public interest. Information diffusion mechanism and information credibility thus turn into social focus, and also the cutting-edge science of social computing. Most existing research works are confined to surface analysis of the social network structure. To address the problem, this project will investigate the semantic models of users, information and their complex semantic relations according to the collaborative behaviors of social media users. Based on the collaborative semantics of users and information, this project will further carry out the following studies: (1) explore analysis methods of social influence that are feasible for the complex situation with multiple users and multiple information; (2) explore analysis methods of information diffusion through multiple channels among users; (3) explore analysis methods of information credibility by incorporating machine intelligence with collective intelligence in social media; (4) implement a unified cross-platform analysis system of information diffusion, social influence, as well as information credibility, and verify the validity of the system in real social media services. The expected outcomes of this project will deepen the studies of information diffusion mechanism and information credibility in social media, and will also benefit the information management of large-scale social media and Chinese information processing in social media.

以社交网络服务和微博为代表的社交媒体，是人们分享与交流信息的新平台。随着社交媒体的兴起，信息扩散模式发生深刻变化；信息源激增也容易诱发不实信息泛滥，给公共安全带来隐患。因此，社交媒体信息扩散机制和可信性感知问题成为社会关注焦点，是社会计算的前沿科学问题。针对现有研究手段囿于社交网络结构等表层分析的局限，本项目根据用户协同产生的海量内容，对用户、信息的语义属性及其复杂语义联系进行建模。基于对用户和信息的协同语义计算，进一步开展以下研究：研究适用于多用户、多信息复杂情形的社会影响力分析方法；研究信息多通道扩散的分析方法；综合机器智能与群体智能的信息可信性分析方法；研究跨社交媒体的信息扩散、社会影响力与信息可信性的统一分析与预测系统，在典型平台上验证有效性。本项目预期成果将深化社交媒体信息扩散机制与可信性感知的研究，对互联网规模社交媒体的信息组织与管理以及社交媒体时代的中文信息处理均深具意义。

以社交网络服务和微博为代表的社交媒体，是人们分享与交流信息的新平台。随着社交媒体的兴起，信息扩散模式正发生着深刻变化；信息源激增也容易诱发不实信息泛滥，给公共安全带来隐患。因此，社交媒体信息扩散机制和可信性感知问题成为社会关注焦点，是社会计算的前沿科学问题。..针对现有研究手段囿于社交网络结构等表层分析的局限，本项目着重开展了以下研究工作：（1）根据社会媒体海量内容，研究提出一套面向用户和信息进行表示学习和语义标注的方法。（2）根据社会媒体用户复杂信息，研究提出一套面向用户建模的用户属性预测方法。（3）综合机器智能与群体智能，研究提出面向社会媒体的信息可信性分析方法。..课题组在上述研究方面均取得了很有价值的研究结果。已经发表和录用的相关学术论文共18篇（国际期刊论文1篇，国内期刊论文5篇，国际会议论文9篇，全国性学术会议论文3篇），其中包括中国计算机学会A类会议/期刊论文4篇，B类论文5篇，多篇论文发表在IJCAI、ACL、AAAI、COLING、EMNLP等人工智能和自然语言处理领域的顶级国际会议上，并有多项发明专利正在申请，圆满完成了本项目提出的研究目标。..在人才培养方面，参加本项目的研究人员中，已有4名研究生毕业（获得博士学位1人，硕士学位3人），另有3名博士生、1名硕士生在读。..综上所述，课题组按照项目任务书的研究内容和年度计划有序地开展研究工作，完成了项目申请书上规定的各项研究任务，同时进行了必要的研究扩展。本项目相关成果将有助于深化社会媒体用户建模与信息可信性研究，对互联网规模社交媒体的信息组织与管理以及社交媒体时代的中文信息处理均深具意义。