面向非常规突发事件的社交传感器语义感知与互联模型研究

The high speed development of social network brings the challenge to the information access and analysis of emergency events. This proposal aims at accessing and analyzing the information of emergency events real-time and correctly based on the social sensors. This proposal proposes the definition of social sensors, which include social network users as sensors, social network information as sensor data, and internet or mobile network as sensors platform. The information of emergency events is accessed correctly based on the semantic sensing of social sensors. The emergency events are detected and alarmed based on the temporal and geography association of social sensors. The data of emergency events are managed based on semantic linking of hierarchal social sensors network. The propagation and evolution of emergency events are investigated based on the statistical and semantic features of hierarchal social sensors network. This proposal can improve the real-time and correctness of information accessing and analyzing of emergency events. Moreover, this proposal can provide the effective data for detecting, alarming, and processing real-time emergency events.

社交网络的快速发展为非常规突发事件的信息获取与分析带来了极大的及时性与准确性挑战。本项目拟在基于社交传感器传感数据准确获取、快速感知、有效组织、时空关联的基础之上对非常规突发事件的信息进行准确的获取与分析。本项目提出的社交传感器概念，以社交网络用户为传感器，社交网络用户发布信息为传感器数据，互联网与移动互联网为传感器感知平台。通过对社交传感器传感数据进行语义感知，获取非常规突发事件的有效信息。通过对大规模社交传感器传感数据进行时空关联，对非常规突发事件的发生进行检测与预警。通过建立非常规突发事件多层次语义互联，对其数据进行有效的组织与管理。通过研究非常规突发事件语义互联网络的统计特征与语义特征，研究其传播机制与演化机理。本项目的完成可以提高非常规突发事件信息获取与分析的准确性与有效性，可以为非常规突发事件的检测、预警、应对提供有效支撑。

社交网络的快速发展为非常规突发事件的信息获取与分析带来了极大的及时性与准确性挑战。本项目在基于社交传感器传感数据准确获取、快速感知、有效组织、时空关联的基础之上对非常规突发事件的信息进行准确的获取与分析。本项目提出的社交传感器概念，以社交网络用户为传感器，社交网络用户发布信息为传感器数据，互联网与移动互联网为传感器感知平台。通过对社交传感器传感数据进行语义感知，获取非常规突发事件的有效信息。通过对大规模社交传感器传感数据进行时空关联，对非常规突发事件的发生进行检测与预警。通过建立非常规突发事件多层次语义互联，对其数据进行有效的组织与管理。通过研究非常规突发事件语义互联网络的统计特征与语义特征，研究其传播机制与演化机理。本项目的完成提高了非常规突发事件信息获取与分析的准确性与有效性，可以为非常规突发事件的检测、预警、应对提供有效支撑。本项目在领域内较为重要的期刊例如IEEE Trans. on Cloud Computing, IEEE Trans. on Systems, Man, and Cybernetics: Systems, IEEE Trans. on Emerging Topics in Computing, IEEE Trans. on Big Data，IEEE Trans. on Industrial Informatics等发表了研究成果，有1篇论文为2016年ESI高被引论文，2篇论文为2016年ESI热点论文。与其他单位合作开发了网络热点事件分析系统，收集了百万规模的网页与数万个网络热点事件。