大数据驱动的组织行为建模、分析与预测研究

As important components of society, groups’ behaviors have significant influence on social, political, economic and public domain. Group behavior research has great theoretical and application implications. To address the challenges of behavioral modeling and forecasting, we propose knowledge extraction approaches for extracting group behavior based on big data and then modeling group behavior. On top of constructed knowledge model, we design behavioral mining methods to dig irregular patterns and behavioral plans. We further develop approaches to reason groups’ big decisions and forecasting their plans from various perspectives.

作为社会的重要组成单元，组织的行为决策对社会、政治、经济、民生等多个领域都有着巨大的影响，研究组织行为具有非常重要的理论及实践意义。针对组织行为研究中存在的行为建模困难、行为预测效果及可解释性差的问题，项目面向网络大数据，研究组织行为知识的抽取方法，并对组织行为进行知识建模。基于构建的知识模型，研究异常征兆及行为规划挖掘方法以理解组织行为规律，并设计重大决策推理及行为规划预测方法，从多个角度对组织未来行为进行预测。

本项目面向海量网络开源数据，结合智能信息技术，构造一套新颖的组织行为建模-分析-预测的计算方法，对组织的网上网下行为进行知识建模，挖掘其行为规律，并对未来的网下行为进行预测。本项目在执行过程中，从话题和情感两个维度研究组织行为。在话题维度，分为浅层话题分析和深层话题分析展开研究。在浅层话题分析中，研究给定话题下研究网络组织的传播行为；在深层话题分析中，探索未知话题自动提取和追踪技术，并揭示组织行为对于话题演化的推动作用。在情感维度，研究组织对于流行话题附加的情感状态，以及组织情感的互动和传播模式。基于这些关键模式，我们尝试构建组织情感和行为预测模型。.为增强研究的实际应用价值，我们在大规模突发群体性事件背景下研究组织行为，包括：美国麻疹爆发（2015年）、MH370失联事件（2014年）、昆明火车站砍杀事件（2014年）、巴-以冲突等。在研究过程中，我们积累了多个领域数据集，覆盖境内外新闻和社会媒体平台的中英文数据。数据集中包含关于组织和个体的行为、内容、情感其它社会学属性（性别、年龄等）。这为深度分析组织行为提供了丰富的数据基础。. 在本项目的执行期间，相关研究成果已经以论文形式陆续发表。截至结题报告撰写时，项目组主要成员已在重要国际期刊《Decision Support Systems》（领域Top10%）、《PLoS ONE》（领域Top15%）发表学术论文2篇，在重要国际会议IEEE ISI （IEEE International Conference on Intelligence and Security Informatics）和ICIS (International Conference on Information Systems)上发表学术论文9篇（包括国际顶级会议最佳论文1篇），另有1篇投往《Information & Management》国际期刊的论文正在评审，2篇专利已提交。. 在项目执行过程中，部分研究成果已转化为实际系统并投入应用。典型系统包括：文化基因分析系统、智慧健康系统、以及地缘政治系统。这些应用系统的建设不仅为工业界的实际应用提供了支撑，也让研究成果的有效性和可靠性在实际应用中得到检验，并可根据应用反馈不断强化和完善。