在线社会关系网络的挖掘与分析

As the continuous development of information network technology and on-line social network applications, complex on-line social relation networks emerged based on numerous rich-featured data with huge amount of users and user groups. The state-of-the-art research findings and methodologies cannot be used to solve many scientific issues, because of the lack of systemic research approaches of group behavior analyses and regular pattern mining. The fundamental problems are: firstly, huge amount of heterogeneous, multi-dimensioned, rich-featured data exist in on-line social network; secondly, cross-networking groups have the characteristics of boundary fuzziness, and the complexity of emergence and evolution mechanism, which cause great trouble on modeling; finally, there are no systemic research work about the measure and evaluation of information emergence and dissemination on on-line social networks. To seek the solutions of the aforementioned problems, we plan to proceed from the recognition and analysis of the complex relationship of on-line social networks, from heterogeneous group relationship analysis of on-line social relationship networks, from the analysis and prediction of information dissemination of on-line social relationship networks, from analysis and monitoring of network group relationship and information dissemination, etc. Our goals are to dig rich-featured relation in on-line social networks, and to propose fundamental research finds on the modeling of group behavior and the emergence analysis. Our work can provide theoretical basis and technical support for the control and early warning of emergency and crisis in network spaces, which profoundly mattered to the management of information network and virtual society, and the guidance of network group behaviors.

随着信息网络技术和在线社会网络应用的不断发展，围绕着大量富特征数据，形成了巨大的用户群体，构成了复杂的在线社会关系网络。对其中群体行为的分析和客观规律的挖掘，尚缺乏系统的研究工作，很多科学问题丞待解决。首先在线社会网络中存在大量异质多尺度的富特征关系，同时，跨网络群体的边界模糊、形成和演化机制复杂，给建模带来了巨大困难，并缺乏对在线社会网络中信息传播涌现性度量与影响力评估的深入研究。针对上述问题，本项目从在线社会网络中复杂关联关系的识别与分析，在线社会关系网络中异质关系群体分析，在线社会关系网络中信息传播分析与预测，以及网络群体关系与信息传播行为分析监测等方面开展研究工作。力求在对在线社会网络中富特征关系挖掘，群体行为模型与涌现性分析上取得创新性成果，为网络空间重大突发事件的调控与预警提供理论依据和技术支撑，对加强信息网络管理，提高虚拟社会的管理水平，有效引导网络群体行为具有重要意义。

项目执行期间，根据项目任务书，从富特征数据表征、社会网络结构挖掘、群体行为分析与建模、网络信息传播预测等方面开展在线社会关系网络分析与挖掘的研究，取得了一系列有特色的研究成果，包括网络群体识别、影响最大化、异常行为检测、影响力度量、网络信息传播预测、群体功劳分配、语义匹配技术、短文本主题模型、相关性建模、多样性排序、情感分类技术、跨网络用户身份标识和跨领域推荐等，得到了国内外研究同行的广泛认可和跟进，形成了持续的学术影响力。受项目资助，出版英文专著1部（Springer出版社出版），发表论文123篇（期刊论文53篇，会议论文70篇），其中33篇论文被SCI收录，95篇论文被EI收录。论文发表的期刊和会议包括PNAS、IEEE TKDE等SCI学术期刊和SIGIR、WWW、AAAI、IJCAI、ACL等CCF A类学术会议，项目研究成果截至目前累计引用3000余次（Google Scholar）。.取得的代表性研究成果有：（1）提出了基于词对的短文本主题模型，有效克服了短文本特征稀疏给短文本主题建模带来的挑战，论文发表在WWW 2013和TKDE 2014上，截至目前引用200余次；（2）提出了基于视觉特征的文本相关性判定方法，获得CIKM 2017的Best Full Paper Award Runner up；（3）提出了基于自增强泊松过程的流行度预测方法，是目前公认的基于点过程建模的两个代表性方法之一，论文发表在AAAI 2014上，引用100余次；（4）提出了群体功劳分配策略，克服了科学合作中贡献和功劳不对称、学科间分配规则差异大等难题，论文发表在《美国科学院院刊》（PNAS）上，为发表当期的六篇亮点论文之一，并被多家学术媒体报道；（5）研制了 “社会化媒体数据的感知与处理关键技术及应用”和“社会化媒体数据的分析与检索”系统，分别获得北京市科学技术奖二等奖和中国中文信息学会钱伟长中文信息处理科学技术奖一等奖。.项目负责人程学旗获得国家杰出青年科学基金资助（2014），并入选中组部万人计划领军人才，项目骨干袁媛入选中国科学院特聘研究员（2015），项目骨干郭嘉丰获得国家优秀青年科学基金资助（2017），沈华伟和郭嘉丰入选中国科学院青年创新促进会优秀会员，并中国科学院计算技术研究所聘为研究员。培养硕士生12名、博士生19名、3名博士后出站。