CCF DL Focus On Social Cognitive Computing

作为人工智能的重要分支，知识工程经历了从以专家知识为核心的传统知识工程向以数据驱动为核心的大数据知识工程的转变，后者以知识图谱技术的发展与普及为典型代表。随着知识图谱等技术应用的深化，知识工程面临全新的挑战。为了应对这些挑战，知识工程技术正在积蓄动能，努力突破自身局限，向更高层的智能形态发展。这一目标智能形态就是认知智能。本报告拟传达一个核心观点：认知智能是知识图谱等知识工程技术发展的下一站，是以知识图谱为代表的大数据知识工程突破自身局限、进一步完善的必经智能形态。

移动互联网设备的广泛应用和微信、微博、短视频、直播等在线应用的飞速发展催生了新的媒体格局并深刻变革了现代社会的信息传播方式，为从复杂系统和复杂性角度重构社会结构和行为奠定了基础，同时也为实现数据驱动的重大突发事件实时感知、应急响应和协同决策提供了机遇。大数据驱动的网络科学是对真实复杂社会系统进行理解和建模的必然选择，采用高阶、时序的建模方法对真实系统复杂依赖关系和演化特征进行分析，是复杂网络和复杂性理论发展的重要方向，将成为影响广泛领域的一般方法。当前，迫切需要从复杂系统的角度解析复杂社会网络数据中蕴含的能量，以提升疫情治理能力为根本目标，发展复杂社会网络的时序耦合网络分析理论，复杂社会系统的计算模型与方法，发展面向重大突发事件的元决策理论，构建基于复杂社会网络数据的突发事件实时预警预测与综合治理辅助决策支持系统，提高社会治理水平，推进国家治理体系和治理能力的现代化。

三元闭包（Triadic Closure）是社会网络中的重要概念，最早由德国社会学家格奥尔格•西梅尔提出。本报告首先介绍三元闭包的基本概念及其传统应用，然后，详细阐述如何借助社交网络中的三元闭包结构构建新的独立级联信息传播模型。在此基础上，将三元闭包结构进一步应用于社交网络影响力最大化，确保影响范围的同时实现高效的种子节点选取。

社交媒体因为其全民化、移动化、社交化的特点，起到越来越重要的信息传播的作用。基于大数据挖掘，语义分析、知识图谱等计算机技术，通过多维度、多群体、多因素的个性化挖掘，以及小样本多层次分类技术的应用，结合达观数据在开发VOC（voice-of- customers）相关产品的过程，介绍算法和工程应用相结合的经验。

在当下的舆论场中，音频、视频有着更强的社会动员能力，是推动形成舆论合力的重要推手。随着人脸合成、动作编辑、语音合成等相关技术的发展，使得虚拟人这一新鲜事物登陆了舆论场，通过对虚拟人的视频、音频的伪造、变造，使得内容的传播达到了乱真的地步，这就给包括政府、企业等在内的所有机构在应对网络舆论带来了巨大的挑战，以假乱真的信息将更容易大行其道，而克服这一挑战需要从法律规制、媒介素养提升、技术识别等三个角度来进行提升和创新。

社交新媒体时代的大众认知呈现出全新的形态和演化模式，即以复杂网络拓扑结构为基础传播动力的动态涌现群体认知趋势。在社会认知心理学中，这种情况可以认为是“在一定社会关系结构支撑下，个体认知潜移默化地转向群体共性的集体认知”。这种社会认知新形态呈现“吸引力和感染力强”且极易形成席卷性效应，产生远超传统媒体单向传播信息扩散影响力。那么，从计算的角度，如何对这种社会认知新形态的结构动力特征是什么，传播动力学机理如何，又应该如何建立其量化分析治理策略？本论坛汇集来自认知图谱、社会网络分析、舆情大数据分析、文本数据挖掘、情感计算的专家学者与行业大咖，共同分享探讨“社会认知计算”的关注焦点与技术趋势。