项目名称: 面向知识管理的社会化媒体多源信息整合研究

项目编号: No.71301172

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 管理科学

项目作者: 杨铭

作者单位: 中央财经大学

项目金额: 20.5万元

中文摘要: 随着Web 2.0的迅猛发展,越来越多的网络用户通过多种终端、多种社会化媒体平台输出数字内容,驱动整个互联网世界迈入"大数据时代"。社会化媒体中蕴含着大量用户产生的内容 (UGC),这类大数据既包含有价值的资讯又聚集着广大网民的观点和经验。然而,不同社会化媒体平台中的UGC不仅来源广泛、数量庞大,数据结构也不尽相同。本课题拟采用信息系统设计科学的范式展开研究,提出面向知识管理的社会化媒体多源信息整合方案。首先,我们开发系统,从微博、网络论坛、博客、社交网络等多种形式的社会化媒体中提取特定的UGC。然后,我们设计面向知识管理的解决方案,处理不同社会化媒体平台环境下UGC数据存在的多源、海量、异构以及相互关联等复杂问题。本研究提出的理论和方法可以帮助企业和政府组织利用社会化媒体中的大数据寻求决策依据,发现其中蕴藏的商业机遇,进而提升组织的竞争力。

中文关键词: 信息提取;信息资源整合;知识管理;社会化媒体分析;大数据

英文摘要: With the advent of Web 2.0, the past few years have witnessed the rapid rise of social media, on which users can exchange information, express thoughts, and reconfigure existing explicit knowledge. An increasingly large amount of user generated content (UGC) is available in a number of social media platforms in various forms. The era of "big data" is upon us. These information sources are characterized by the use of disparate data models and their unstructured content with implicit knowledge. The ability to assess the relevance of topics and related sources in these information-rich environments is critical to organization success when scanning business environments. An organization has great need for an automated methodology to aggregating heterogeneous data from various social media platforms. This study follows the design science research paradigm in management information systems, by addressing issues pertaining to the design and development of knowledge management system capable of integrating diverse information sources in social media. First, we will develop spidering program to collect a massive amount of UGC from various social media platforms such as microblogs, Web forums, Blogs, and social networks. Second, we will propose knowledge management solutions to integrate and analyze the complex UGC data w

英文关键词: Information Extraction;Information Resources Integration;Knowledge Management;Social Media Analytics;Big Data

成为VIP会员查看完整内容
0

相关内容

信息抽取也被称为事件抽取。与自动摘要相比,信息抽取更有目的性,并能将找到的信息以一定的框架展示。有时信息抽取也被用来完成自动摘要。
中国数字经济时代人工智能生态白皮书2021,41页pdf
专知会员服务
71+阅读 · 2022年1月27日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
面向语义搜索的自然语言处理
专知会员服务
59+阅读 · 2021年12月18日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
20+阅读 · 2021年4月15日
面向人工智能新基建的知识图谱行业白皮书
专知会员服务
80+阅读 · 2021年2月7日
专知会员服务
37+阅读 · 2020年10月15日
专知会员服务
195+阅读 · 2020年10月14日
量子信息技术研究现状与未来
专知会员服务
40+阅读 · 2020年10月11日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
AAAI22 | 面向图数据的对抗鲁棒性研究
图与推荐
1+阅读 · 2021年12月28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
【知识图谱】大数据时代的知识工程与知识管理
产业智能官
22+阅读 · 2019年7月3日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
【人工智能】180页PPT,讲解人工智能技术与产业发展
【工业互联网】工业互联网与工业大数据分析的应用
产业智能官
12+阅读 · 2017年12月26日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+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
0+阅读 · 2014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
1+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
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
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Automated Data Augmentations for Graph Classification
Arxiv
11+阅读 · 2018年9月28日
小贴士
相关VIP内容
中国数字经济时代人工智能生态白皮书2021,41页pdf
专知会员服务
71+阅读 · 2022年1月27日
AAAI 2022 | 面向图数据的对抗鲁棒性研究
专知会员服务
20+阅读 · 2022年1月4日
面向语义搜索的自然语言处理
专知会员服务
59+阅读 · 2021年12月18日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
20+阅读 · 2021年4月15日
面向人工智能新基建的知识图谱行业白皮书
专知会员服务
80+阅读 · 2021年2月7日
专知会员服务
37+阅读 · 2020年10月15日
专知会员服务
195+阅读 · 2020年10月14日
量子信息技术研究现状与未来
专知会员服务
40+阅读 · 2020年10月11日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
相关资讯
AAAI22 | 面向图数据的对抗鲁棒性研究
图与推荐
1+阅读 · 2021年12月28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
【知识图谱】大数据时代的知识工程与知识管理
产业智能官
22+阅读 · 2019年7月3日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
【人工智能】180页PPT,讲解人工智能技术与产业发展
【工业互联网】工业互联网与工业大数据分析的应用
产业智能官
12+阅读 · 2017年12月26日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+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
0+阅读 · 2014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
1+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
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
微信扫码咨询专知VIP会员