项目名称: 基于知识迁移的网络舆论领袖识别方法及其适应性增强研究

项目编号: No.61472108

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 何慧

作者单位: 哈尔滨工业大学

项目金额: 80万元

中文摘要: 网络舆论领袖在话题观点的形成和舆论传播过程中起着至关重要的作用。发现和识别网络舆论领袖有助于掌握网络舆情中用户的意见趋势。跨越多维度(载体、领域以及时间)的网络舆论领袖识别是当前的挑战性问题。传统舆论领袖识别方法对特定载体与领域有较强依赖,不适合跨不同载体通道和不同主题事件的领袖发现。因此自适应、快速、准确、可迁移的网络舆论领袖建模与识别方法的研究具有重要的理论与应用价值。本项目将重点考虑上述因素,以跨领域舆论领袖自适应识别为核心科学问题,研究跨域领袖识别的自适应知识迁移基础理论和关键技术。力争在跨领域自适应舆情领袖识别模型,多领域知识融合下的舆论领袖识别方法,领袖识别模型的自适应界限等方面取得理论和技术突破,取得创新性成果。在国际上形成本项目研究的特色,并为我国舆论领袖识别技术提供基础理论支撑和实现方案。

中文关键词: 互联网舆情;舆论领袖识别;迁移学习;跨域;迁移界限

英文摘要: Network opinion leaders play a vital role in the establishment of the topic view and the dissemination of the leading opinion. Discovering and identifying the network opinion leaders can help to master public opinion trends. Identifying the opinion leaders across different physical carriers, topic areas and time dimensions, is one of the most challenging issues. However, traditional discovering methods rely heavily on the specific carrier and event, which has limitations to discover opinion leaders across different carriers, topic and time. Thus, adaptive, fast, accurate and portable network leader modeling and discovery methods have important research values in theory and practices. The core issue of this project is to adaptively discover the network opinion leaders across different areas, e.g. carriers, topic and time. The key method is the knowledge transfer learning. The main contents of this project include building the adaptively identifying modeling, identifying the public opinion leaders with multidisciplinary knowledge integration, and determining knowledge transfer learning thresholds, etc. Our project hopes to gain international reputation with innovation achievements and provides theoretical and practical supports for identifying the opinion leaders in China.

英文关键词: Internet public opinion;opinion leader identification;transfer learning;cross-domain;transfer bound

成为VIP会员查看完整内容
1

相关内容

面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
专知会员服务
52+阅读 · 2021年8月17日
【WSDM2021-Ttutorial】深度学习异常检测,111页ppt
专知会员服务
153+阅读 · 2021年3月10日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
专知会员服务
219+阅读 · 2020年8月1日
创业5年,给想创业的人提个醒
创业邦杂志
0+阅读 · 2022年3月8日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
图与推荐
4+阅读 · 2021年11月7日
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
CNCC技术论坛 | 知识图谱引领认知智能+
中国计算机学会
22+阅读 · 2019年9月15日
赛尔原创 | EMNLP 2019 常识信息增强的事件表示学习
哈工大SCIR
28+阅读 · 2019年9月12日
大讲堂 | 神经关系抽取模型
AI研习社
24+阅读 · 2018年9月11日
微表情检测和识别的研究进展与趋势
中国计算机学会
15+阅读 · 2018年3月23日
警务云情报分析研判平台解决方案(ppt)
智能交通技术
16+阅读 · 2018年3月18日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22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
6+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
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012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
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Arxiv
21+阅读 · 2020年10月11日
Arxiv
101+阅读 · 2020年3月4日
Arxiv
14+阅读 · 2019年11月26日
小贴士
相关VIP内容
面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
专知会员服务
30+阅读 · 2021年11月5日
专知会员服务
52+阅读 · 2021年8月17日
【WSDM2021-Ttutorial】深度学习异常检测,111页ppt
专知会员服务
153+阅读 · 2021年3月10日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
专知会员服务
219+阅读 · 2020年8月1日
相关资讯
创业5年,给想创业的人提个醒
创业邦杂志
0+阅读 · 2022年3月8日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
图与推荐
4+阅读 · 2021年11月7日
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
CNCC技术论坛 | 知识图谱引领认知智能+
中国计算机学会
22+阅读 · 2019年9月15日
赛尔原创 | EMNLP 2019 常识信息增强的事件表示学习
哈工大SCIR
28+阅读 · 2019年9月12日
大讲堂 | 神经关系抽取模型
AI研习社
24+阅读 · 2018年9月11日
微表情检测和识别的研究进展与趋势
中国计算机学会
15+阅读 · 2018年3月23日
警务云情报分析研判平台解决方案(ppt)
智能交通技术
16+阅读 · 2018年3月18日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
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
6+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
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012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
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员