知识驱动的网络社会事件发现与跟踪

With the rapid development of mobile Internet and explosive growth of the social network platform, social hot events are rapidly spreading and interacting on the Internet. Social events analysis is of great significance for monitoring hot events, grasping the psychological needs of the public and meeting the major needs of the country. Most of the existing researches are limited to the current single event data, while ignoring the prior knowledge of existing event datasets or knowledge bases. In this project, we will focus on the knowledge-driven social event detection and tracking. The research plan has four important steps: (1) To deal with large-scale unstructured data on the Internet, we study effective methods to build knowledge bases based on unstructured event data; (2) To deal with the semantic gap between multi-modal cross-platform social event data, we study the knowledge-driven event representation method; (3) Based on the constructed knowledge base and event representation model, we study the effective methods for knowledge-driven social event detection; (4) To deal with the potential relevance of time series events, we study the methods of knowledge-driven event tracking and visualization. We will develop an event analysis prototype platform to verify the effectiveness of the proposed methods.

随着移动互联网的日益发展和社交网络平台的爆发式增长，社会热点事件在互联网中得到快速传播与互动，网络社会事件的分析对于热点事件的舆论监控，把握大众的心理需求，对满足国家重大需求具有重要意义。现有研究大都局限在以当前的事件数据为研究基础，数据比较单一，而忽视了已有事件数据集或者知识库的先验知识。本项目重点研究知识驱动的网络社会事件发现与跟踪方法，主要研究工作将从下面四个方面展开：1）针对互联网大规模非结构化数据，研究构建基于非结构化事件数据的知识库；2）针对多模态跨平台社会事件数据的语义鸿沟，研究基于知识驱动的高质量的多模态跨平台社会事件表示学习方法；3）基于构建的知识库和事件表示模型，研究基于知识驱动的多模态跨平台社会事件检测方法；4）针对时序性事件的潜在关联性，研究基于知识驱动的社会事件跟踪和可视化方法，并开发大规模社会事件发现与跟踪原型系统以验证所提方法的有效性。

随着移动互联网的日益发展和社交网络平台的爆发式增长，社会热点事件在互联网中得到快速传播与互动，网络社会事件的分析对于热点事件的舆论监控，把握大众的心理需求，对满足国家重大需求具有重要意义。本项目重点研究知识驱动的网络社会事件发现与跟踪方法，有助于实现更智能的社会热点事件内容分析。主要研究内容包括四个方面：（1）在知识库构建方面，我们研究了基于图注意力网络的多模态多关系知识库构建方法；（2）在社会事件表示方面，我们研究了基于层次上下文注意网络的多模态事件表示方法；（3）在社会事件检测方面，我们研究了基于知识驱动的自适应图卷积网络的事件谣言检测方法；（4）在事件跟踪方面，我们研究基于多模态解纠缠网络的跨域事件跟踪方法。相关研究成果已发表国内外重要期刊和会议论文20余篇。本项目的开展将有助于丰富和发展多媒体内容理解与事件表示和检测的理论与算法，也为互联网内容安全监测、个性化内容推送等应用提供技术支撑。