前言
摘要：社会计算是计算机科学、计算物理学、管理学、经济学、传播学、社会学等多学科的交叉研究科学．社会计算针对社会需求收集、整理和分析有关的大数据，以便对社会现象进行规划、监控、解释和预测，为人类解决复杂性社会问题提供理论指导．社会计算：大数据时代的机遇与挑战
摘要：信息技术的飞速发展，特别是物联网、云计算、社交网络、社会媒体以及信息获取技术的进步，数据正以巨大的速度迅速增长和积累，大数据时代已经到来．社会计算作为一种数据密集型科学，在收集和分析数据的广度、深度以及规模上都产生了巨大的影响，社会计算作为一种新的计算范式，产生了一个新的跨学科研究与应用领域，其广阔的研究内容与应用已引起了学术界和工业界的广泛关注．分析了社会计算产生的历史背景及概念、研究现状及大数据带来的机遇，综述了社会计算不同的研究领域，主要有2个发展趋势：一个面向社会科学，包括计算社会科学、计算社会学、社会网络分析等；一个面向技术应用，包括社交应用、娱乐应用、生产应用等，这2种发展趋势同时又相互影响．最后讨论了社会计算研究领域存在的挑战，包括跨学科合作与训练的问题、科学研究中大数据共享问题以及隐私保护．在线社会网络共演化的结构推断与预测
摘要：在线社会网络研究中，关系结构和交互结构的共演化机理是一个十分关键的核心问题，它反映了在线社会网络关系结构变化、行为模式演化及关系结构与交互结构演化的互影响情况，对于社会推荐、网络舆情预警和控制等都具有重要意义．大量交互信息的可见性和真实关系结构的不易见性，使得利用动态交互网络直接推断隐结构和预测未来结构成为当前研究热点，并成为揭示共演化机理的一种途径．从微观尺度对2种重要的社会网络：社会媒体和社交网络中的动态结构推断和预测的研究进展进行了综述．首先对在线社会网络共演化和结构推断及预测进行定义，并对其之间关系进行分析；然后对隐关系强度推断、类型推断、关系结构预测和交互行为预测的关键技术等进行综述和分析，最后对在线社会网络结构推断与预测研究的难点和发展趋势进行分析和展望．基于结构冗余性校准的在线式社会网络压缩
摘要：随着社交网络、移动互联网等新兴服务的不断涌现，在线社会网络正以前所未有的速度增长并且呈现出极强的演化特性．网络压缩技术能够将大规模网络压缩成规模更小、结构信息更简洁的网络，在数据存储和网络可视化领域发挥着重要作用．现有的压缩算法为了优化压缩损失，重复比对原始网络与压缩网络之间的差异导致过高的时间开销，并且算法仅局限于静态网络，无法满足在线社会网络的演变要求．针对上述问题，提出一种解决演化网络压缩问题的高效算法，首先设计了基于局部化判定的结构合并贡献函数及其快速调整算法，将网络的首次压缩复杂度控制在O（n）到O（mn）之间；其次，设计了一种面向演化网络压缩的动态校准算法，参照网络演化前后拓扑结构的变化，校准前一时刻的压缩表达以避免网络的重复压缩．在满足在线社会网络演变要求的同时提高了压缩效率；最后，通过对真实数据集的实验分析．验证了算法的有效性．基于链接密度聚类的重叠社区发现算法
摘要：为了能够更加有效地发现社会网络中具有重叠性的社区结构，提出一种基于链接密度聚类的重叠社区发现算法DBLINK．该算法首先以网络中的边集为对象，将其划分为若干个互不相连的链接社区，再将所得到的链接社区转化为最终的节点社区，隶属于不同链接社区边的交点即为网络中的重叠节点．由于DBLINK采用基于密度的算法对边集进行聚类，将不满足一定条件的边孤立出来，使其不隶属于任何链接社区，因此可以避免社区结构过度重叠的现象发生，从而提高了重叠社区发现的质量．实验结果表明，DBLINK不仅具有较好的时间效率，而且在社区发现的质量方面也优于其他几种代表性的重叠社区发现算法．位置服务中的社会感知计算方法研究
摘要：随着定位技术尤其是室外定位技术的发展，产生了大量的位置数据．这些数据在一定程度上能够反映出丰富的社会信息，从而使得位置服务向着社会化计算的方向发展．因此位置社会感知计算方法尤为重要．位置服务中的社会感知计算是指通过人类社会生活空间部署的大规模位置传感设备，感知识别社会个体的行为、分析挖掘群体社会交互特征和规律、引导个体社会行为、支持社群的互动、沟通和协作的一种计算技术，是位置服务从单纯的定位服务转变成为具有社会化计算形态的关键．围绕基于位置的社会感知计算相关方法，分别从计算模型和评估手段两方面进行了系统的分类和归纳，重点阐述了3个问题：1）什么是基于位置的社会感知及其计算框架；2）位置的社会性与人类行为的关联关系是什么样的．主要将其划分为感知位置的社会语义、感知人类移动与其社交活动的关系、感知和预测用户的移动行为和感知用户的社会属性4个方面来展开论述；3）在实际分析及系统应用中尤其是面对位置大数据分析时，常用的感知和数据挖掘方法有哪些．2014年《计算机研究与发展》专题（正刊）征文通知——“深度学习”
摘要：2006年以来，深度学习开始受剑学术界广泛关注．到今天已经成为互联网、大数据和人工智能的一个热潮．深度学习通过建立类似于人脑的分层模型结构．基于社会群体搜索算法的机器人路径规划
摘要：机器人学是现在及未来科技发展的重点，路径规划是机器人学中的一个重要课题．生物界一些群居动物有严格的等级制度和职责分工，受社会群居动物行为启发，提出社会群体搜索算法（socialgroupsearchalgorithm，SGS0）．社会群体搜索算法对群体的分类及信息反馈机制——领导一追随机制的制定，降低了早熟的概率，交叉变异和淘汰机制的引入增加了搜索范围，减少了陷入局部最优的可能．同时，对提出的社会群体搜索算法进行了分析，从理论上证明了算法的收敛性；将社会群体搜索算法应用于机器人路径规划进行仿真，从实验中验证了算法的有效性，并与遗传算法和粒子群算法比较，进一步证明了社会群体搜索算法在机器人路径规划问题中的有效性和高效性．基于词性标注和依存句法的Web金融信息情感计算
摘要：基于词袋模型的文本情感倾向性分析没有考虑句子的句法结构对句子语义的理解，基于依存句法分析的方法试图解决这一问题．目前基于依存句法分析的方法对影响文本情感的依存关系的选择多根据人为观察，带有随意性．根据影响句子情感倾向性的原极性、修饰极性和动态极性，1）找出了影响句子情感倾向性的4种词性：形容词、动词、副词和名词；2）从词性和汉语句子成分理解的角度，逐一分析了24种依存关系对甸子情感计算的影响，找出了可能影响句子情感倾向性的8种依存关系；3）根据这8种依存关系中可能的词性组合设计了6种情感计算规则，并提出了基于二叉树的情感计算策略，设计了情感计算二叉树的构建算法和基于情感计算二叉树的情感计算算法；4）在Web金融信息上进行了实验测试，实验结果表明了该方法的有效性．基于情感特征聚类的半监督情感分类
摘要：情感分类是观点挖掘的一个重要的方面．提出了一种基于情感特征聚类的半监督式情感分类方法，该方法只需要对少量训练数据实例进行情感类别标注．首先从消费者评论中提取普通分类特征和情感特征，普通分类特征可以用来训练一个情感分类器．然后使用spectral聚类算法把这些情感特征映射成扩展特征．普通分类特征和扩展特征一起通过训练得到另一个情感分类器．2个分类器再从未标签数据集中选择实例放入到训练集合中，并通过训练得到最终的情感分类器．实验结果表明，在同样的数据集上该方法的情感分类准确度比基于self—learningSVM的方法和基于COtrainingSVM的方法的情感分类准确度要高．人群拥挤事件中的一种情绪感染仿真模型研究
摘要：随着我国城市化进程的推进，制定人员密集场所的非常规应急预案具有重要的现实意义．在人群拥挤事件发生时，事发人群的行为特征有别于正常的人群，容易导致人群陷入消极情绪．已有的人群仿真方法未能充分考虑人群个体之间的情绪感染，对人群拥挤的极端后果缺少研究．以火车站站台人群拥挤情景为研究对象，采用智能体的思想，提出了个体在情绪影响下的行为描述，根据人群中是否存在管理人员，提出了一种情绪感染计算方法．在计算机上编制了人群情绪感染仿真演示原型系统，对人群中的情绪感染、避碰、跌落等行为实现了三维情景仿真演示．实验结果表明，人群的消极情绪不仅与初始的情绪分布有关，也与管理人员的数量以及分布位置有关，控制人群中的消极情绪感染是避免人群拥挤事件的重要环节．文化认同及文化版图演化现象的社会计算模型
摘要：文化认同以及由于文化认同感的演变结果与地理边界的不一致性在文化版图上形成的文化侵蚀现象、文化融合现象等文化安全问题是文化领域的核心问题之一．在社会计算方法引入之前，该问题是典型的不能假设、无法进行计算实验的社会科学问题．将社会计算方法引入这一核心问题，使对该问题的实验研究进入到一个无风险的实验空间；运用基于多智能体的人工社会建模技术，确定了若干可刻画跨文化交流或文化内部环境稳定性的计算因子、文化抗消解惯性因子、文化身份状态因子、异族群的智能体间地理距离因子、“安土重迁”心理特征因子及“安土重迁”行为特征因子等；在此基础上，给出了 刻画文化认同及其版图边界演变过程中文化侵蚀、文化融合与文化保护等现象的社会计算模型，并进行了大量的社会计算实验．实验结果表明：所选取的各种计算因子都是影响文化认同及其版图演化过程的重要因素，但作用各不相同；文化认同感演化的诸多规律也由该模型得出．该计算模型今后可在各类文化保护方案设计和方案效果评估等实际社会工作中发挥作用．基于吸收态随机行走的两阶段效用性查询推荐方法
摘要：搜索引擎已经成为人们获取信息的重要途径，然而对于用户而言如何构造一个合适的查询仍然是一项困难的工作．为了减轻用户搜索信息的负担，查询推荐技术应运而生并且已经成为当今搜索引擎不可或缺的组成部分．传统的查询推荐方法主要关注向用户推荐相关性查询，即推荐与源查询具有相近搜索意图的其他查询．然而查询推荐的根本目标是帮助用户成功完成其搜索任务，而不仅仅是找到相关性查询，尽管相关性查询有时也能得到有用的搜索结果．为了更好地满足用户的搜索目标，一种更直接的查询推荐方式是向用户推荐高效用性查询，即能够更好满足用户信息需求的查询．提出了一个基于吸收态随机行走的2阶段效用性查询推荐方法，该方法能够同时对用户的查询重构行为和查询点击行为进行建模并推导出查询的效用．在真实查询日志上的实验结果表明：新方法在评价指标查询相关率（queryrelevantratio，QRR）和平均相关文档数（meanrelevantdocument，MRD）上要显著优于其他5种基准方法．中文问答系统中时间敏感问句的识别和检索
摘要：当前问答系统如“百度知道”、“SoSo问问”等在问句检索时没有考虑时效性要求，对时间敏感问句不能返回满足时效要求的结果．针对该问题，设计了时间敏感问句的识别和检索方法：首先依据时效要求对问句进行分类，识别出时间敏感问句，然后解析时间敏感问句的时效区间，最后根据解析结果对问句检索结果进行过滤，得到满足时效要求的结果．问句分类采用词法、句法和语义等特征，使用决策树、朴素贝叶斯、SVM等机器学习方法进行测试．问句的时效区间使用构造的时间域表达式计算获得．实验表明，使用C5．0决策树进行时间敏感问句的识别准确率达到0．901；与未考虑时间敏感问题的系统相比，时间敏感问句检索结果平均精度得到较大改善．搜索引擎广告中广告商状态建模
摘要：搜索引擎广告是目前互联网上一种非常成功的商业模式，它已成为搜索引擎公司的主要收入来源并为广告商们提供了许多商机．搜索引擎、广告商和搜索用户构成了搜索引擎广告的3个主要组成部分——搜索引擎提供技术和服务、广告商提供广告内容、用户浏览并点击广告．其中搜索引擎相关技术以及用户行为都有比较多的研究和成型的技术，但对广告商尤其是广告商状态的研究却并不多见．基于此背景，对搜索引擎广告中广告商的状态进行了深入的研究．在方法上按照广告商相关广告的展示次数、点击次数以及广告费用来对其潜在状态进行描述和划分，并使用隐Markov模型对广告商的时序状态进行建模．重点在于将机器学习和数据挖掘的方法应用于广告商的建模之中，并取得了不错的预测正确率．研发动态
摘要：石墨烯量子晶体管可用作DNA感测器 最近，美国伊利诺斯大学厄本那一香槟分校最近开发出了一种新奇的方法：把石墨烯纳米带（GNR）夹在两层有纳米孔（内径约1纳米）的固体膜中间，再让DNA分子穿过这种“三明治”设备，以此来感知辨认所通过的DNA碱基对．研究人员设计的DNA感测器是一种以石墨烯为基础的场效应类晶体管设备，能探测DNA链的旋转和位置结构．实现这一点的关键是利用了石墨烯的电学性质，制成的GNR可以多方调节，改变它的边缘形状、载流子浓度、纳米孔位置等，案例索引BCS—Tree及其构建方法研究
摘要：为克服现有案例索引方法存在的不足，提出了一种新的索引结构BCS—Tree．首先，对松弛聚类（graph—basedrelaxedclustering，GRC）算法进行了自适应改进，以克服现有基于聚类方法受初值影响大、只能适应凸形聚类等缺点；其次，将KICA与最小外接矩阵（minimumboundingrectangle，MBR）结合，增强了MBR方法对非线性和非正态分布数据的处理能力；然后，在给出双基点选择方法的基础上，提出了基于改进GRC和双基点聚类分割的BCS—Tree构建方法；最后，基于对查询点和案例数据之间可能分布关系的全面分析，设计了BCS—Tree的查询算法，并结合理论推导和实例验证，对BCS—Tree及其查询算法进行了分析．结果证明，所提的索引构建方法具有较强的参数鲁棒性和适用性，且BCS—Tree及其查询算法具有良好的检索效能．基于概率生成模型的网络数据分类方法
摘要：利用实体之间的相互关系来对实体进行分类的网络数据分类是数据挖掘的一个重要研究内容．现有的网络数据分类方法普遍根据邻居节点的类别来对节点进行分类．这些方法在同质性程度较高的网络中达到了很高的分类精度．然而在现实世界中，存在许多同质性程度很低的网络．在低同质性网络中，大多数相连节点的类别不同，所以现有方法难以正确预测出节点的类别．因此，提出了一种新的网络数据分类方法．其主要思路是建立一个描述网络的概率生成模型．在这个概率生成模型中，将网络中的边作为观察变量，将未知类别节点的类别作为潜在变量．通过吉布斯采样方法对模型进行求解，计算出潜在变量的取值，从而得到未知类别节点的类别．在真实数据集上的对比实验表明，提出的分类方法在低同质性网络上有更好的分类性能．
