项目名称: 社会化媒体集成检索与语义分析方法研究

项目编号: No.71273194

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 唐晓波

作者单位: 武汉大学

项目金额: 54万元

中文摘要: 社会化媒体是一种在线交互媒体,具有广泛的用户参与性,深刻影响着人类社会,同时也给世界各国的社会秩序带来巨大冲击。然而,由于社会化媒体信息资源的分散异构性,社会化媒体信息检索的查全查准率都难以满足用户需求;海量的社会化媒体信息背后隐藏着丰富的知识和情报,但是没有被挖掘和可视化呈现,这严重影响了社会化媒体信息资源的利用。本课题分析社会化媒体信息资源的分布特征,揭示社会化媒体信息资源检索影响因素的内在作用机制,构建社会化媒体集成检索模型;形成适用于社会化媒体检索和分析的语义分析方法体系,建立适用于社会化媒体检索和分析的语义分析技术框架;构建社会化媒体主题挖掘模型和用户需求发现模型并进行实证研究,形成一套系统的社会化媒体应用模式。

中文关键词: 社会化媒体;集成检索;语义分析;主题探测与跟踪;知识发现

英文摘要: Social media is an online interactive media,which has wide range users' participation.It profoundly affects human society and brings enormous impact to the social order of the world. However, because of the distributed and heterogeneous of social media information resources, the recall and precison ratio of social media information retrieval is difficult to satisfy user's requirement.In the meantime,wealth of knowledge and information law is hidden behind the mass social media information, which is not visualized and mining. This is seriously affected the utilization of social media information.Our research includes the following points:studies social media distribution features, reveals the social media retrieval effect factors' inner role mechanism and creates integrated retrieved model;builds the semantic analysis method system and semantic analysis technology framework suiting for social media retrival and analysis; establishes social media topic mining model and user requirements discovery model with empirical research and forms a system applicaion pattern adpating social media features .

英文关键词: social media;integrated retrieval;semantic analysis;TDT;knowledge discovery

成为VIP会员查看完整内容
0

相关内容

UIUC韩家炜:从海量非结构化文本中挖掘结构化知识
专知会员服务
96+阅读 · 2021年12月30日
基于深度学习的交互式问答研究综述
专知会员服务
38+阅读 · 2021年11月30日
专知会员服务
34+阅读 · 2021年9月5日
专知会员服务
56+阅读 · 2021年8月12日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
【KDD 2020】基于互信息最大化的多知识图谱语义融合
专知会员服务
41+阅读 · 2020年9月7日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
支持个性化学习的行为大数据可视化研究
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月28日
Arxiv
11+阅读 · 2019年4月15日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
151+阅读 · 2017年8月1日
小贴士
相关VIP内容
相关资讯
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
知识图谱的自动构建
DataFunTalk
55+阅读 · 2019年12月9日
支持个性化学习的行为大数据可视化研究
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员