面向社会安全事件的网络信息分析及态势预测研究

Nowadays, under the high-risk social circumstance, various kinds of social security events occur frequently. With the popularity of Internet, more and more social security events can be traced on the Internet. Furthermore, the Internet can lead to the spread of the social security events. Analyzing the information from Internet in order to provide early warning of the possibly coming social security events has become an urgent issue to be solved. However, because the above issue has just been studied recently and some related critical theories/techniques have not been well addressed, there are only a little research outcome with limited performance by now. In view of the above, and considering that the social security events are usually reflected by the focus of related media information and the aggregation of the related network colonies on the Internet, the aim of the project is to study new Internet information analysis and situation forecasting schemes/methods related to the social security events. The major research include: network text feature extraction and representation, network text classification/clustering, network colony structure mining, media information aggregation and colony status evaluation, and situation forecasting of network security events, etc., furthermore, based on the above research outcome, the project will develop a network information analysis and situation forecasting platform with the functionality of early warning of the network security events, etc.. The expected outcome of the project will contribute to the theoretic development of the related research areas such as content security, and also will have a wide application prospects in management of network information.

当今高风险社会环境下，各种社会安全事件频发。随着互联网普及使用，社会安全事件常在其上有所反映，并且网络也对其起到了推波助澜的作用。通过分析网络信息以便为可能发生的社会安全事件提供预警，已成为迫切有待解决的问题。然而，由于该方面起步较晚，且其涉及的一些核心理论/技术尚未很好解决，目前这方面成果相对较少且性能存在明显不足。鉴于此，并考虑到社会安全事件在网上的主要反映常体现在相关媒体热/焦点和相应网络群体形成聚集，项目以面向社会安全事件的网络信息分析及态势预测新方案/方法为总体研究目标，具体研究网络文本特征提取表达、网络文本分/聚类、网络群体挖掘、媒体聚集及群体状态评估、网络安全事件态势预测等核心问题的有效解决方法，并进而研发具有网络安全事件预警等功能的相应网络信息分析及态势预测平台。预期成果可望对内容安全等相关领域的研究在理论上起到促进作用，也可望在网络信息管控方面具有良好应用前景。

互联网普及使用对社会安全事件起到了推波助澜的作用，通过分析网络信息以便为可能发生的社会安全事件提供预警，已成为迫切有待解决的问题。在此背景下，课题以面向社会安全事件的网络信息分析及态势预测新方案/方法为总体研究目标，主要研究网络媒体信息分/聚类、媒体信息聚集状态评估等网络媒体信息分析关键技术；网络群体挖掘、网络群体状态评估等网络群体行为分析关键技术；网络安全事件检测及预测技术以及面向信息快速检索的数据存储及查询技术等等。围绕课题研究目标和主要研究内容，本课题取得的重要成果主要包括：提出了基于邻接关系权重计算和标签传播的网络群体结构发现方法、基于新的标签概率更新策略的同步标签传播群体结构发现方法、基于元胞自动学习机的网络群体结构检测方法、基于标签传播和层次聚类的网络重叠层次群体结构检测方法、基于局部弱连接的群体分裂算法、基于样本采样矩阵的微群体融合模型、基于改进贝叶斯估计器的学习自动机、基于置信区间估计器的学习自动机算法、通用的三元环境固定结构随机自动机拓展模型、基于随机游走的三元环境随机点定位算法、基于学习自动机的分类方法、用于文本媒体信息情感分类分析的深度学习技术、基于语义相似度的中文博客内容分类技术、基于流形学习的社会化媒体网络数据分类方法、多语言网络新闻媒体的聚类分析技术、网络群体状态层次化评估模型、基于学习自动机的时空事件检测方法、基于标签传播的核心节点识别和网络信息传播最大化方法、基于遗传算法的社交网络谣言扩散模型、基于多行为证据融合的社交网络信息扩散模型等一组相关方法和技术。该些成果对内容安全、机器学习、媒体信息处理、复杂网络等相关领域的研究在理论上具有促进作用，部分成果也已用于公安、司法等职能部门对网络违法犯罪的取证工作中，取得了较好的社会和经济效益。基于上述研究成果，发表/录用学术论文35篇（SCI收录16篇，EI收录29篇），申请国家技术发明专利4项并获发明专利授权3项，获中国产学研合作创新成果一等奖（省部级）、上海市科技进步一等奖（省部级）和中国电子学会科技进步二等奖（省部级）各1项。