基于Agent的突发事件跨媒体数据挖掘研究

随着多媒体数据逐渐成为网络信息的主要载体，使基于文本的挖掘方法越来越难以全面、准确地挖掘与突发事件相关的主题内容及其影响范围和深度，因此研究突发事件跨媒体数据挖掘方法已经成为亟待解决的重要科学问题。本课题在以往科学研究的基础上，提出并建立基于Agent的突发事件跨媒体数据处理模型，探寻Agent间的交互和协作机制和Agent在动态网络环境下的迁移机制；提出突发事件及相关信息的跨媒体语义分析、分类与挖掘新方法，挖掘跨媒体数据中隐含的知识；建立突发事件领域知识模型和人－机之间的语义平台，提出基于语义推理及主题概念模型的主题分类算法和热点评估新方法；建立基于Agent的旅游突发事件跨媒体数据挖掘和信息检索系统。为跨媒体突发事件信息的搜索、分类、主题挖掘、融合和索引提供科学准确的决策依据，力争在突发事件应急管理领域取得突破性进展，为政府科学、高效、有序地应对非常规突发事件提供决策参考。

近年来我国各类非常规突发事件频繁发生，通过对这类事件的发生、发展情况进行实时监测，对相关数据进行及时准确的分析，可以在资源配置和控制决策方面提高应急决策能力与处理效率。随着多媒体数据逐渐成为网络信息的主要载体，使基于文本的挖掘方法越来越难以全面、准确地挖掘与突发事件相关的主题内容及其影响范围和深度，这对跨媒体的数据挖掘提出了新的挑战。本课题在以往科学研究的基础上，提出并建立了基于 Agent 的突发事件跨媒体数据处理模型，实现了对多源异构数据的采集、分类、索引、管理等的支持。建立了Agent 之间的交互和协作机制。给出了不同任务操作和网络环境下的Agent 的迁移方式，给出了迁移路线的动态规划算法，提高了整个Agent 系统的性能。提出了突发事件及相关信息的跨媒体语义分析、分类与挖掘新方法以及高效的特征匹配算法，建立了跨媒体内容在不同特征空间上的映射。实现了基于潜在主题融合的图像语义标注。建立了基于特征迁移的图像语义分类模型。提出了基于等价类的关联规则的挖掘算法，挖掘出了突发事件早期状态信息等前兆因素的时序变化，建立了突发事件预警模型。建立了突发事件领域的知识模型和本体知识模型。提出了领域概念自动抽取算法和混合的领域概念间关系自动抽取算法。建立了基于本体的语义相似度计算模型，实现了对突发事件关联概念的推理及用户意图的获取。提出了主题分类算法和热点评估方法。建立了突发事件实时话题发现模型和突发事件话题跟踪模型，可得出热点话题的发展演变过程及规律。建立了基于多Agent的突发事件信息智能监测系统，实现了对突发事件信息的采集与处理、主题检测与跟踪。实现了基于Agent的分布式信息采集和基于时间顺序的主题跟踪，解决了Agent 平台和应用平台之间的互操作问题。建立了基于本体的突发事件智能信息检索系统。本项目的研究成果可为跨媒体突发事件信息的搜索、分类、主题挖掘、融合和索引提供科学准确的决策依据。研究成果已成功应用于国家质检总局的突发事件监测、追踪和管理，为政府科学、高效、有序地应对非常规突发事件提供了决策支持。课题组共发表相关论文57篇，其中SCI 检索13篇，EI检索41篇。期刊论文25篇，会议论文32篇。申请相关发明专利5项。培养博士研究生4人、硕士研究生17 人。举办相关国际会议1次。