数智化的时代背景为社会计算与社会智能的发展创造了新机遇,跨学科交叉融合将是其深化发展的必然之路。文中阐述了社会计算的内涵与外延,探讨了社会计算的范式转移、社会计算与社会智能的发展,由此对数智化时代的社会计算与社会智能进行了展望,提出了构建基于新型基础建设的社会智能体系的三大支柱,包括构建大规模高时变的数据智能、融合多尺度伸缩的空间智能、形成复杂适应性的社会智能。数据智能、空间智能和社会智能呈现出层次递进关系,要求数据、计算和社会的三者交织,这也要求计算科学、数据科学、空间科学、复杂科学、社会科学等多学科多领域在理论与方法上交叉融合。随着数智化技术的快速更新及其在社会经济系统中的不断渗透,社会计算与社会智能必然会在跨学科交叉融合中寻找突破与深发展。

“场景”是城市文化、意义、情感等的外化符号,是一个超越城市物理空间的概念。知识经济时代背景下,城市场景描述了由不同舒适物组合所产生的蕴含文化、价值观和生活方式的抽象概念,是吸引高级人力资本聚集的内生动力。因此,准确把握城市场景的状态和空间分布是城市发展的一个重要维度。目前,一些研究基于官方商业编码或大众点评等数据开展了基于城市或区域尺度的城市场景制图。文中利用大数据方法,基于POI数据构建了用于城市场景细粒度制图的方法框架,并衡量了深圳城市场景的细粒度分布状态。结果显示,深圳的主要场景特征为企业、正式、爱炫、时尚和逾越;同时,深圳主要呈现出3种场景模式,分别主要来自工作、居住和创意娱乐空间。总体而言,所提方法框架能有效地探测细粒度的城市场景,有利于深刻理解和准确识别城市场景,并为城市发展带来启发。

超大规模基于智能体的社会仿真正逐渐被证明是研究人类社会的一种有效方法,它可以为社会科学中的决策、计算机科学中的分布式人工智能和智能体技术、计算机仿真系统的理论和建模实践等领域作出贡献。然而,现有的研究实践在平衡模型复杂度和仿真性能方面存在一定的困难。针对目前存在的问题,提出了一种基于智能体和大数据驱动的超大规模社会仿真概念模型框架,提供了模型组件的参考实现,并以超大规模人工城市疫情预测与控制为例,说明了如何利用所提概念框架对具有复杂人类行为和社会交互的超大规模社会系统进行建模,同时也指出了在其他社会科学领域的潜在应用,如微观交通系统和城市疏散规划。

复杂社会系统建模是社会计算面临的首要问题。面向社会计算领域的建模流程与需求,提出了一种模型深度集成架构,称为POV框架。该框架由物理层、覆盖层和虚拟层3部分组成,提供了模型的组织、表达和集成方法。基于该方法搭建了面向社会计算数据模型交互共享集成平台,为研究者们提供包括数据资源、分析工具和建模仿真计算环境的社会计算实验平台。应用示例证明了该平台能够为研究者进行社会计算研究提供有效支撑。

随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段。与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注。为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏性、不频繁性等多种特性,提出了一种基于时空自适应图卷积神经网络的脑电情绪识别方法(Self-Adaptive Brain Graph Convolutional Network with Spatiotemporal Attention,SABGCN-ST)。该方法通过引入时空注意力机制解决了情绪的稀疏性问题,并根据自适应学习的脑网络拓扑邻接矩阵,挖掘不同位置的电极通道之间的功能连接关系。最终模型基于图卷积操作进行图结构的特征学习,以实现对脑电信号的情绪预测。在DEAP和SEED两个脑电信号公开数据集上开展了大量实验,实验结果证明,SABGCN-ST相比基线模型在准确率上具有显著的优势,平均情绪识别准确率达到84.91%。

在众包平台上,不同类型的用户在参与意愿、工作动机、业务能力等方面具有多样性和差异性的特征,在平台上产生的价值也不同。基于用户价值度量对用户进行细分,是更好地洞察用户价值和需求、对用户进行个性化和精细化管理的关键。同时,选择众包用户价值衡量维度也是目前需要解决的问题。因此,该研究首先基于RFM模型并结合众包平台及众包用户的特性,将用户信用纳入用户价值模型,提出并构建了众包用户价值衡量模型RFMC(Recency,Frequency,Monetary,Credit);然后,结合“一品威客”平台获取所需的实验数据,运用GBDT算法完成众包用户分类;最后,比较了Nave Bayes,Multinomial Logistic Regression与GBDT算法的分类效果,并比较了不考虑用户信用的传统模型与RFMC模型的分类效果。结果表明,所提模型适用于众包用户且具有较好的实验效果。

链路预测是网络科学的一个重要研究分支,旨在推断网络中节点对间存在连边的可能性。现实生活中很多事物关系都能够通过网络科学进行描述,很多实际问题都可以转化为链路预测问题。节点无特征网络链路预测算法可向有向网络、加权网络、时序网络等更复杂的网络推广。但现有的链路预测算法面临着网络结构信息挖掘不够深入、特征提取过程受人为主观意识影响、算法很难迁移到其他网络中、算法复杂度过高而无法在大型真实工业网络中应用等诸多问题。针对上述问题,文中基于图注意力网络的基本结构,采用图嵌入表示技术采集节点特征,类比神经图灵机中的内存寻址策略,结合复杂网络重要节点发现的相关工作,设计了一种快速高效的注意力计算方式,提出了一种融合快速注意力机制的节点无特征网络链路预测算法(Faster Attention Mechanism Link Prediction Algorithm,FALP)。在3个公开数据集和1个私有数据集上进行实验,结果表明,FALP算法有效避免了上述问题,同时具有优异的预测性能。

针对关系型网络的社区发现问题,考虑节点间相互作用的强弱程度和信息渗流机理,创新性地提出了一种基于边权重和连通分支(Edge Weight and Connected Component,EWCC)的社区发现算法。为了验证算法的有效性,首先,构建了5种具有相互作用的双层网络模型,通过分析层间节点作用的强弱程度对网络拓扑结构的影响,确定了5种双层网络模型下生成的30个数据集;其次,选用真实数据集分别与GN算法和KL算法在模块度、算法复杂度和社区划分数目评价准则上进行了对比,实验结果表明EWCC算法的准确性较高;然后,结合数值仿真得出,随着层间作用关系减弱,模块度值和社区数目成反比,并且当双层网络层间节点关系较弱时,社区划分效果较好;最后,作为算法的应用,利用实证数据构建了 “用户-APP” 的双层网络并进行了社区划分。

移动互联网时代,社交关系链的线上化已成为不可逆转的趋势。微信公众号的出现,在提升信息获取便捷性的同时也增加了系统信息治理的难度。因此,公众号信息在微信社交网络上的传播过程与遏制谣言在社交网络上的扩散的研究成为了微信运营者及社会监管部门关注的重点。本研究基于SEIR传染病模型,利用北京速途公司提供的真实运营数据,计算模拟S态、E态、I态和R态4类用户的相互转化概率,并还原公众号信息在微信上传播的全链路过程。此外,本研究还量化分析了公众号粉丝数量、粉丝影响力、潜在用户转化成携带用户的感染概率P₁、携带用户转化成传播用户的传播概率P₂对信息传播过程的影响,验证了意见领袖强行免疫策略在抑制信息传播方面的有效性。

政务大数据是新时期数字政府建设的核心资产,对推动政府功能服务升级和经济、社会创新发展具有重要意义。但在复杂的网络流通环境下,为了保障政务大数据的合理、有序和可靠利用,其数据安全防护能力建设不容忽视。在技术层面,政务大数据安全防护涉及网络安全(Network Security)、平台安全(Platform Security)和应用安全(Application Security)等核心要素;在管理层面,政务大数据安全防护则需要重点关注人员素养(Personnel Quality)和制度质量(Institutional Quality)这两方面的内容。在理论探讨的基础上,给出了具体的技术和管理能力指标,并进一步对省级机关单位A的建设实践进行了分析。

人工智能技术的不断发展使其在司法方面的应用逐渐增多,并引起广泛关注。具体来说,人工智能已经在合同审查、智慧法院等应用场景中崭露头角,相比传统人工,人工智能的高效率表现展示了其在司法领域的巨大应用潜力。但在其他应用场景,如智能司法裁判,虽然国内外有一定尝试,并取得了一些成果,但仍面临着数据样本量不足、算法与待解决实际问题匹配度不够的问题,以及算法过程不够透明等方面的质疑。文中围绕现有法律人工智能的相关工作,探索了人工智能可能带来的司法流程上的巨大变革,并对人工智能目前在智能裁判中遇到的数据和算法方面的问题是否会对司法的公正性产生影响进行了探讨,最后对上述问题的解决方案以及司法人工智能的未来发展路线略抒拙见,以期人工智能技术在我国司法领域有更为系统性的应用,助力社会主义法治建设。

一个人的社会经济地位(Socioeconomic Status,SES)是结合经济学和社会学等因素相对于其他人的经济和社会地位的总体衡量,包含其职业、学历、收入等多维度信息。对这些信息进行综合评估可以帮助政府和相关机构制定各种政策、决策(如政府制定社会政策、企业进行广告个性化服务等),因此该研究得到了研究人员的广泛关注。随着近几年大数据技术和机器学习的发展,以数据驱动的方法来评估社会经济地位时,可以通过融合多维数据和利用各种算法来自动评估人们的社会经济地位,解决传统方法数据采集困难、成本过高的问题。文中旨在概述近年来将大数据技术应用于社会经济地位分析的相关研究进展。首先介绍社会经济地位的基本概念,并讨论大数据方法与传统方法所带来的不同挑战;然后,根据学习过程中的信息,系统性地总结各种相关方法,并详细讨论各类方法的利弊;最后,讨论目前个人社会经济地位分析存在的挑战和问题,并展望未来的相关研究方向。