2023年度四川省科学技术奖提名项目公示信息

科学技术进步奖

一、项目名称

跨网络媒体敏感信息获取与引导关键技术及应用

二、提名者

四川省教育厅

三、提名意见

该成果创建了概念背景图体系的网络媒体敏感信息获取语义方向寻径技术，建立了跨网络媒体舆情关键社区和关键用户的自编码器图卷积神经网络联合检测模型，构建了基于多视图集成学习的敏感情绪用户角色挖掘方法，创立了基于网络结构平衡多级用户的舆情正向引导学习技术，这4项重大创新和技术突破有效地解决了网络媒体敏感舆情正向引导学习的技术难题，显著地提升了网络媒体敏感舆情正向引导效果，为保障国家网络安全和社会稳定提供理论与技术支撑。通过本项目研究，已获国家发明专利21项，软著9项，发表SCI论文35篇。成果已广泛应用于北京、上海、深圳、江苏等17个省市和自治区的30余个地市州；覆盖互联网金融、网络安全、现代农业、环境保护等关系国家经济发展的10余个重点领域，成果为企业和国家提供了关键技术支撑，具有显著的经济与社会效益。

提名该项目为2023年度四川省科学技术进步奖。

四、项目简介

网络媒体是社会负面舆情的主要传播途径，同时也是国家安全监测的重要对象和核心区域。在百年大变局加速期和全球治理重塑期的背景下，精准分析网络媒体的敏感信息是中国当前面临的严峻挑战。国内外一直未能突破高精度的网络媒体敏感信息获取、关键社区与关键用户检测和舆情正向引导技术，这严重制约了我国舆情管控技术的发展与应用。为了应对这一挑战，项目组承担国家任务，创建敏感信息获取平台，汇聚产学各方力量，协同技术攻关。在网络媒体敏感舆情关键信息获取、跨网络媒体舆情关键社区和关键用户检测、敏感情绪用户角色挖掘、网络媒体舆情信息传播模型和正向引导技术等方面取得4项重大创新和技术突破，为保障国家网络安全和社会稳定提供理论与技术支撑。主要科学技术创新如下：

1. 创建了概念背景图的敏感信息寻径技术。通过构建以用户兴趣画像为中心的概念背景图，突破了传统敏感信息获取依赖关键词匹配的局限性，解决了用户兴趣画像为中心的内容相似敏感信息获取难题。通过背景知识的指导，实现了内容相关的敏感信息获取靶向引导和范围精准圈定，避免了低效的穷举式敏感信息筛查，大幅度地提高了敏感信息获取的综合性能。
2. 建立了舆情关键社区与关键用户的联合检测模型。首次提出基于属性与结构联合嵌入的半监督跨网络媒体关键用户身份链接技术，利用加权谱比例割集划分特征向量与邻接矩阵非线性表示，成功解决跨网络媒体舆情关键社区与用户发现中噪声信息影响难题。突破了深度学习模型无法在同框架下检测舆情社区与关键用户的技术瓶颈，显著提升跨网络舆情关键社区与用户检测效果。
3. 构建了多视图集成学习的敏感情绪用户角色鉴别方法。提出了一种基于多视图集成学习的敏感情绪用户角色挖掘模型（ERM-ME），搭建情绪社区发现、情绪特征提取、元分类器构建及多视图集成学习适应框架，突破传统（深度学习方法解决敏感情绪识别的）局限，有效解决社交媒体敏感情绪用户角色鉴别难题，显著地提高敏感情绪用户角色鉴别的精确度。
4. 创立了多级用户的舆情正向引导学习技术。构建了多用户级别舆情信息传播（SEI3R）及观点演化（OD）模型，突破性地揭示了不同类型用户间舆情信息传播与观点演化机制，克服了用户地位差异对舆情传播与观点演化的影响。首创了在网络结构平衡状态下管控少量（敏感）关键用户和及其关系的舆情引导策略，创立了网络媒体敏感舆情信息传播和观点演化的正向引导技术，有效地解决了网络媒体敏感舆情正向引导学习的技术难题，显著地提升了网络媒体敏感舆情正向引导效果。

通过本项目研究，已获国家发明专利21项，软著9项，发表SCI论文35篇。成果已广泛应用于北京、上海、深圳、江苏等17个省市和自治区的30余个地市州；覆盖互联网金融、网络安全、现代农业、环境保护等关系国家经济发展的10余个重点领域，成果为企业和国家提供了关键技术支撑，具有显著的经济与社会效益。

五、主要知识产权和标准规范等目录

六、论文专著目录

七、主要完成人

八、完成单位