基于形成演化机理的事件探测、推理与感知方法研究

With the development of Web 2.0 in the era of Big Data, Event Detection and Tracking (EDT) has attracted significant attentions in the area of public opinion monitoring, decision support and emergency management. EDT can help the decision maker to detect attractive events and track the evolution of such events from network streams efficiently. So it embraces great significance in the field of national security and social stability. In the practical applications, however, current EDT methods only focused on the detection of events which had occurred in the past, while ignoring the latent but important events or omens which triggered the subsequent emergency events and the serial events. Consequently, current methods failed to discover latent events so as to infer and predict the event before it would happen. In addition, current methods ignored the ability of human perception, knowledge and experience in the process of event detection, which led to lower detecting precision. In order to address such problems, this project takes the emerging and evolution mechanism of events as the driven power, and plan to extend the traditional "Pattern-Discovery" probabilistic model by proposing a visual graph model based on the relation of latent events. The project will provide the key techniques for new "Inference-Perceiving" event detection pattern. Research contents are as follows. First, construct a latent event oriented "Precursor-Derivation" Model to identify the latent events, the emergency events and the serial events. Second, build a "Cognitive Model"-based Visual Analysis Framework on events to visualize and analyze the identified events. Third, define an Event Detection, Inference and Perceiving Method under the human-computer collaboration. Research results can be widely used in the early warning of nature catastrophes, early prevention of social emergency, and protection of network attack, etc.

在大数据互联网时代，事件探测与追踪技术受到了舆情监控、决策支持、应急管理等应用领域的广泛关注，该技术能够辅助决策者基于互联网信息快速发现需要关注的事件并追踪其发展趋势，对维护国家安全与社会稳定具有重要意义。然而，在实际应用中现有方法仅聚焦在已发生事件的探测上，却忽略了突发事件及连环事件在发生之前的潜在征兆，故而难以基于潜在征兆在事发之前进行事件的推理预测。此外，人对事件的感知以及知识和经验在事件探测过程中往往被忽略导致探测精度有限。针对上述问题，本项目拟以事件形成演化机理为驱动，提出基于潜在事件关联的可视化图模型以扩展传统的“模式-发现”概率模型，为新的“推理-感知”事件探测模式提供关键技术支撑。研究内容包括：面向潜在事件的“前兆-衍生”推理模型；基于认知模型的事件可视分析方法；基于人机协同的事件探测与感知方法。研究成果可广泛应用于自然灾害早期预警、社会危机应急管理、网络攻击防范等领域。

随着Web 2.0时代的到来，传统基于互联网的事件探测与追踪技术在实际应用中通常聚焦在已发生事件的探测上而忽略了突发事件及连环事件在发生之前的潜在征兆，然而这些潜在事件在对后续事件的推理预测中起着至关重要的作用。基于此，本项目以事件形成演化机理为驱动，提出基于潜在事件关联的可视化图模型，为新的“推理-感知”事件探测模式提供关键技术支撑。本项目主要研究内容包括：①面向潜在事件的“前兆-衍生”推理模型；②基于认知模型的事件可视分析方法；③基于人机协同的事件探测与感知方法。.本项目已按照研究计划顺利完成，达到预期研究目标。研究内容①中，本项目提出了一个基于多目标域的事件相似性度量及属性表示方法。此外，本项目提出一个基于语义信息和词共生信息融合的潜在事件探测方法。该方法通过强化的事件特征提取来提高提高事件探测的精度；同时，Idea Discovery理论的引入使得该方法能够探测一些重要潜在事件。研究内容②中，本项目提出了一个基于异构信息的认知场景图构建方法，在此基础之上，提出了一个基于在线新闻的事件探测及可视化的框架，该框架将异构事件以一种层次全景图的展示方式呈现，从而提升用户对事件全景的感知、推理能力。研究内容③中，本项目提出一个基于语义相似度及情景感知的大规模事件流探测方法，帮助用户从海量事件中感知事件发展的脉络。此外，本项目提出一个基于认知场景图的事件序列发现方法，并以此为基础实现了一个“推理-感知”的事件探测框架。.本项目关键数据包括：采集公开的在线新闻及社交媒体文本数据；此外，与有关合作部门提供的内部数据。本项目的科学意义：①研究成果对在线事件探测任务中潜在事件、突发事件以及连环事件的探测、推理与感知提供关键技术支撑。②研究成果在舆情监控、决策支持、危机管理、医疗诊断等多个应用领域有着迫切需求，应用前景广阔。.当前本项目产出19篇高水平论文，其中CCF A类文章3篇，CCF B类3篇。另外申请1个国际专利和2个中国专利。