多因素集成的动态社会文本流挖掘研究

互联网的快速发展产生了海量的动态文本流，作为一种特殊的媒体形式，这类数据除了通常涉及多个主题外，其所含信息中往往带有反映社会性特征的身份(作者)。综合考虑动态社会文本流信息中所包含的各种数据可提高文本挖掘准确性，有助于理解媒体内容的演化过程和作者之间的社会关系(变化)。本项目针对动态社会文本流中所包含的"时间、内容和社会信息"三个重要因素，对各个层面之间交互作用进行研究，重点研究三因素的集成机制及相关算法，主要包括：（1）集成作者背景信息的增量文本聚类方法；（2）集成文本聚类关系的动态社区挖掘算法；（3）集成文本主题和作者合作关系的动态分析及动态社区建模方法。通过本课题研究可望得到面向大规模动态社会文本流的集成学习框架，以有效解决"文本内容演化、作者社会关系发展、内容演化与作者社会关系发展联系"等问题，为网络上更加复杂的文本流数据和舆情分析等应用提供核心技术支撑，为公共安全提供技术保障。