基于人类行为动力学的网络热点话题发现与预测

论坛、微博等交互式网站上的热点话题是网络舆情的源头与集散地，早期发现热点话题并预测其发展趋势是舆情控制的关键。目前主流的热点话题发现方法难以实现热点话题的早期发现与趋势预测，也无法对人为诱导性热点话题进行有效识别。课题创新地将人类行为动力学引入热点话题发现研究领域并进行改进，重点研究三个核心问题：物理量选择、模型建立与预测方法。内部时间间隔是建模人类行为动力系统常用的物理量，但不足以描述热点话题的发展变化趋势，课题拟提出新的物理量，构建时序行为动力模型，建模热点话题的形成过程。融合语义分析，构建扩展的时序行为动力模型来揭示热点话题形成与发展的内在机制。引入随机脉冲仿真诱导因素，构建脉冲行为动力模型，识别人为诱导性热点话题。在建模的基础上进一步研究热点话题的预测方法，实现热点话题的早期发现与预测。课题研究可对舆情管理提供科学、及时、准确的决策依据，并对社会网络及行为动力学等提供新的研究思路。

项目的研究对象定位于交互式社会网络中公开的热点话题。交互式社会网络主要包含微博、论坛、社交网络、博客等。深入对交互式社会网络上的用户行为、用户结构进行分析与建模，构建社会网络热点话题传播模型，实现早期发现和预测热点话题传播的目的。 项目按照研究计划开展，从数据采集、社会网络用户行为分析与建模、网络结构分析与建模、话题传播与建模、网络结构和话题传播的关系、话题预测、水军识别研究、传播模型在路由网络中的应用等方面展开研究。项目在研究期间围绕核心问题和目标，深入开展研究，取得了预期成果。项目累计已经采集到百万级用户、千万级关系以及相关用户的基本资料，采集到5000个热点话题的基本信息，近100个热点虚假消息以及相关的评论与转发等信息。理论了提出了一个复杂社会网络快速社团结构划分的算法；提出了社会网络结构洞节点的度量模型和算法，识别结构洞节点对话题传播具有重要的作用；融合用户行为、随机因素等，提出了网络热点话题的动力模型，能够有效建模和预测网络话题的传播；结合话题内容、用户行为，提出一个从大规模短文本流中快速检测事件的算法；将用户行为和话题结合，提出了网络水军识别模型。. 项目组成员在中国科学、物理学报、计算机学报、软件学报、通信学报等权威期刊发表了一系列学术论文。取得4项授权的国家发明专利。在项目支持下，培养了12名研究生。项目研究中的社会媒体话题传播分析、事件检测、时间序列分析、水军检测等相关成果已经在多个政府与企事业单位应用，这些成果都是相关业务系统的核心，项目研究成果发挥了重要作用。