本课题来源于哈尔滨市科技创新人才研究专项资金（青年后备人才创业类）。课题执行期从2017.9-2019.12。 近年来，由于大规模的社交网站(Facebook ，Twitter，微博，人人网等)变得非常普及，人们的生活方式发生了翻天覆地的改变。社交网中每天都会产生大量的数据，比如，Facebook 用户每天共享的东西超过 40 亿，Twitter 每天处理的推特数量超过 3.4 亿；而每分钟 Tumblr 博客作者会发布 2.7 万个新帖子，Instagram 用户会共享 3600 张新照片，新浪微博每天发博数超过 2500 万条。由于社交网络数据中蕴含着及其丰富的信息，社交网络数据分析和挖掘已经成为了数据挖掘领域乃至计算机科学领域中重要的研究方向。目前，该领域的基础研究工作正在开展，很多关键问题尚未解决，实用化的社交网络信息传播分析系统有待开发。所以我们立此课题，主要研究社交网上信息传播的关键技术和理论，拟通过对大量社交网络数据的分析，发现信息传播规律，构建社交网络信息传播分析系统。 课题组成员经过2年多的努力工作，完成了本课题计划任务书约定的全部考核内容，取得了一系列的研究成果。具体的研究成果如下：1.提出了基于主题-兴趣的独立级联传播模型；2.提出了一种无拓扑结构的消息传播范围预测算法；3. 提出了负向舆情检测算法；4. 提出了基于网络表征学习的结构洞挖掘算法；5. 提出了基于时间和社会关系的连续兴趣点推荐算法；6. 设计并实现了舆情监测原型系统。截止到2020年7月，在本课题资助下，课题组成员已经发表学术论文13篇，其中EI检索9篇，国内一级刊物发表论文 2篇，CCF rank C类论文2 篇,申请国家发明专利2项，目前都处于实审阶段。

黑龙江大学

该项目为储备库项目资源，暂无效益分析内容。