基于社交多媒体行为的物理世界用户属性研究

项目介绍
AI项目解读

基本信息

  • 批准号:
    61672518
  • 项目类别:
    面上项目
  • 资助金额:
    63.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

Web user profiling and understanding plays an important role in digitalized information management and customized information services. It is desirable to exploit social multimedia for user profiling because of the adequate user data, rich multimedia sensory simulation and low privacy invasion. Current user profiling research mainly focus on the online perspective, while little work has studied the topic of physical user attribute modeling. The challenges lie in lackage of ground-truth, noisy and multi-modal user data, and complex correlation between user physical attribute and online data. This project propose s to exploit the users' social multimedia behaviors, to study and infer their physical attributes like demographics, personality and physical social networks. The research outcome will provide the fundamental theories and key technique support for physical user attribute modeling, and promote the applications in social media-based multimedia information awareness, service and regulatory.
理解互联网用户属性在数字化信息管理和个性化信息服务方面具有重大的社会和商业价值。基于社交多媒体行为进行用户属性研究具有用户行为数据充足、多媒体信息丰富和对用户隐私侵犯小等优势。目前相关研究主要面向用户的网络空间属性,基于社交多媒体行为的物理世界用户属性研究尚处于起步阶段。针对物理世界用户属性研究中真值数据缺乏、用户行为的噪声多模态、物理世界属性与网络行为关联复杂等挑战,本项目提出基于用户在社交网络和多媒体分享网站的行为,分析和推断人口属性、性格属性、真实社会关系属性等物理世界的用户属性。研究成果将为物理世界用户属性建模提供理论和技术基础,推动基于社交多媒体的信息感知、服务和监管等应用的发展。

结项摘要

理解互联网用户属性在数字化信息管理和个性化信息服务方面具有重大的社会和商业价值。基于社交多媒体行为进行用户属性研究具有用户行为数据充足、多媒体信息丰富和对用户隐私侵犯小等优势。项目通过社交多媒体行为进行用户物理世界的属性推断研究,首次完整地提出了基于社交多媒体行为研究多种物理世界用户属性的研究思路和解决框架。项目发表IEEE/ACM Trans.论文7篇、CCF推荐A类国际会议论文6篇。项目资助期间,项目负责人以第二完成人获得中国电子学会自然科学一等奖、并获得北京市杰出青年基金资助,一篇论文获CCF推荐国际会议最佳学生论文、一篇论文获国内主流会议最佳论文奖。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(9)
专利数量(0)
Exploiting Social-Mobile Information for Location Visualization
利用社交移动信息进行位置可视化
  • DOI:
    10.1145/3001594
  • 发表时间:
    2017
  • 期刊:
    Acm Transactions ON Intelligent Systems and Technology
  • 影响因子:
    5
  • 作者:
    Sang Jitao;Fang Quan;Xu Changsheng
  • 通讯作者:
    Xu Changsheng
Bundled Local Features for Image Representation
用于图像表示的捆绑局部特征
  • DOI:
    10.1109/tcsvt.2017.2694060
  • 发表时间:
    2018-08
  • 期刊:
    IEEE Transactions on Circuits and Systems for Video Technology
  • 影响因子:
    8.4
  • 作者:
    Zhang Chunjie;Sang Jitao;Zhu Guibo;Tian Qi
  • 通讯作者:
    Tian Qi
Who Are Your "Real" Friends: Analyzing and Distinguishing Between Offline and Online Friendships From Social Multimedia Data
谁是你的“真正的”朋友:根据社交多媒体数据分析和区分线下和线上的友谊
  • DOI:
    10.1109/tmm.2016.2646181
  • 发表时间:
    2017
  • 期刊:
    Ieee Transactions ON Multimedia
  • 影响因子:
    7.3
  • 作者:
    Lu Dongyuan;Sang Jitao;Chen Zhineng;Xu Min;Mei Tao
  • 通讯作者:
    Mei Tao
Robust CAPTCHAs Towards Malicious OCR
针对恶意 OCR 的强大验证码
  • DOI:
    10.1109/tmm.2020.3013376
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Jiaming Zhang;Jitao Sang;Kaiyuan Xu;Shangxi Wu;Xian Zhao;Yanfeng Sun;Yongli Hu;Jian Yu
  • 通讯作者:
    Jian Yu
共 4 条
  • 1
前往

其他文献

基于共同用户的跨网络分析:社交媒体大数据中的多源问题
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    科学通报
  • 影响因子:
    --
  • 作者:
    桑基韬;路冬媛;徐常胜
  • 通讯作者:
    徐常胜
跨社交媒体网络大数据下的用户建模
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    大数据
  • 影响因子:
    --
  • 作者:
    项连城;桑基韬;徐常胜
  • 通讯作者:
    徐常胜
共 2 条
  • 1
前往

正在为您生成内容...