【正文】 j），及他們的鄰居，如果Si=Sj，那么Si=Sj=Sk，否則什么也不做。事實(shí)上，連續(xù)意見(jiàn)動(dòng)力學(xué)最早由應(yīng)用數(shù)學(xué)學(xué)者提出，致力于識(shí)別一組專家進(jìn)行共同決策的條件。在Deffuant模型中，Agent(i)被賦予意見(jiàn)xi，(0≤xi≤1)。社會(huì)組織的層次結(jié)構(gòu)對(duì)意見(jiàn)動(dòng)力學(xué)的影響也被細(xì)致地研究，Bagnoli等人細(xì)致地研究了用戶的口味與意見(jiàn)之間的相互影響。但是，自2005年以來(lái)，通過(guò)對(duì)電子郵件發(fā)送與回復(fù)、郵件通信等人類行為的時(shí)間間隔的實(shí)際統(tǒng)計(jì)，人們發(fā)現(xiàn)這些行為存在與上述假設(shè)極為不同的特性，長(zhǎng)時(shí)間的靜默與短期內(nèi)的高頻率的爆發(fā)，同時(shí)呈現(xiàn)在這些人類行為中，其時(shí)間間隔分布也存在滿足反比冪函數(shù)的胖尾，也就是說(shuō)，這些行為的發(fā)生過(guò)程是不能用泊松過(guò)程描述的。社會(huì)網(wǎng)絡(luò)的接觸過(guò)程不僅會(huì)造成網(wǎng)絡(luò)結(jié)構(gòu)、的動(dòng)態(tài)變化，還會(huì)造成通訊網(wǎng)的結(jié)構(gòu)變化，進(jìn)而影響網(wǎng)絡(luò)信息的傳播。該同志長(zhǎng)期從事電力系統(tǒng)自動(dòng)化、電力系統(tǒng)信息化工作，近年重點(diǎn)開展電力二次系統(tǒng)、工控系統(tǒng)和智能電網(wǎng)的信息安全標(biāo)準(zhǔn)化、智能變電站的安全防護(hù)研究、安全防護(hù)防護(hù)體系設(shè)計(jì)和防護(hù)技術(shù)算法研究工作。3. 項(xiàng)目研究的關(guān)鍵點(diǎn)、難點(diǎn)以及創(chuàng)新點(diǎn)本課題存在以下研究關(guān)鍵點(diǎn)和難點(diǎn)：1）文本信息的切詞、停詞以及熱詞判斷檢索技術(shù)；2）圖片、語(yǔ)音等非文本信息的特征提取技術(shù)；3）熱點(diǎn)事件的一般演化規(guī)律研究；4）如何設(shè)計(jì)完整、高效的熱點(diǎn)事件評(píng)估指標(biāo)體系。實(shí)時(shí)敏感信息內(nèi)容監(jiān)測(cè)只是數(shù)據(jù)采集過(guò)程，對(duì)于采集到的數(shù)據(jù)還需進(jìn)一步統(tǒng)計(jì)分析，發(fā)現(xiàn)其所表示的實(shí)質(zhì)含義，即熱點(diǎn)事件的發(fā)展階段，通常利用評(píng)價(jià)指標(biāo)體系對(duì)監(jiān)測(cè)到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。2．成果形式序號(hào)成果名稱與形式完成時(shí)間1《電力信息敏感內(nèi)容監(jiān)測(cè)及熱點(diǎn)事件演化技術(shù)研究》報(bào)告2013年10月2敏感信息內(nèi)容監(jiān)測(cè)技術(shù)論文2013年11月3敏感信息內(nèi)容監(jiān)測(cè)技術(shù)發(fā)明專利2013年6月4熱點(diǎn)事件演化規(guī)律發(fā)明專利2013年6月5熱點(diǎn)事件演化規(guī)律技術(shù)論文2013年11月6敏感信息內(nèi)容監(jiān)測(cè)輔助工具2013年11月六、項(xiàng)目經(jīng)費(fèi)預(yù)算1. 預(yù)算表　　　　　　　　　　　　 　 單位：萬(wàn)元科目名稱預(yù)算金額備 注（一）直接費(fèi)240　100　(1)專職研究人員費(fèi)100　(2)臨時(shí)性研究人員費(fèi)　0　(1)儀器、設(shè)備購(gòu)置費(fèi)0附件1　(2)儀器、設(shè)備試制費(fèi)0附件2(3)軟件購(gòu)置費(fèi)0附件3　　110　(1)材料費(fèi)　0附件4　(2)資料費(fèi)　10　(3)印刷出版費(fèi)　10　(4)專利與知識(shí)產(chǎn)權(quán)事務(wù)費(fèi)　25　(5)會(huì)議費(fèi)　20　(6)差旅費(fèi)　45　30?。ǘ┩馕С?0　50附件50　0附件6合 計(jì)2902. 預(yù)算說(shuō)明43 / 43附件1： 儀器、設(shè)備購(gòu)置預(yù)算明細(xì)表（單價(jià)5萬(wàn)元以上） 單位：萬(wàn)元序號(hào)設(shè)備名稱設(shè)備型號(hào)單　價(jià)(萬(wàn)元/臺(tái)件)擬購(gòu)置數(shù)量（臺(tái)件）總價(jià)主要技術(shù)性能指標(biāo)購(gòu)置理由、用途、擬安置單位（與本課題、子課題關(guān)系）詢價(jià)單位報(bào)價(jià)預(yù)算單價(jià)單價(jià)5萬(wàn)元以上設(shè)備合計(jì)單價(jià)5萬(wàn)元以下設(shè)備累計(jì)附件2 ：儀器、設(shè)備試制預(yù)算明細(xì)表（單價(jià)5萬(wàn)元以上） 單位：萬(wàn)元序號(hào)設(shè)備名稱單臺(tái)價(jià)值 (萬(wàn)元/臺(tái)件)擬試制數(shù)量（臺(tái)件）總 價(jià) 主要技術(shù)性能指標(biāo)試制理由和用途（與本課題、子課題關(guān)系）詢價(jià)單位報(bào)價(jià)預(yù)算單價(jià)單價(jià)5萬(wàn)元以上設(shè)備合計(jì)單價(jià)5萬(wàn)元以下設(shè)備累計(jì)附件3 ：軟件購(gòu)置預(yù)算明細(xì)表 （單價(jià)2萬(wàn)元以上） 單位：萬(wàn)元序號(hào)軟件名稱軟件型號(hào)單 價(jià)(萬(wàn)元/套)擬購(gòu)置數(shù)量（套）軟件總價(jià)生產(chǎn)國(guó)別與地區(qū)主要技術(shù)性能指標(biāo)購(gòu)置理由、用途、擬安置單位（與本課題、子課題關(guān)系）詢價(jià)單位報(bào)價(jià)預(yù)算單價(jià)單價(jià)2萬(wàn)元以上軟件合計(jì)單價(jià)2萬(wàn)元以下軟件 合計(jì)累計(jì)附件4 ：材料費(fèi)預(yù)算明細(xì)表（單價(jià)1萬(wàn)元以上） 單位：萬(wàn)元序號(hào)材料名稱規(guī)格或型號(hào)計(jì)量單位單 價(jià)（萬(wàn)元/單位數(shù)量）材料費(fèi)用詢價(jià)單位報(bào)價(jià)預(yù)算單價(jià)大宗或貴重材料合計(jì)其他材料累 計(jì)注：表中應(yīng)包括：材料原價(jià)、供銷部門手續(xù)費(fèi)、包裝費(fèi)、運(yùn)雜費(fèi)、采購(gòu)及保管費(fèi)等內(nèi)容。32013年8月2013年10月研究?jī)?nèi)容：1） 熱點(diǎn)事件宏觀規(guī)律研究；2） 熱點(diǎn)事件微觀規(guī)律研究；3） 熱點(diǎn)時(shí)間演化規(guī)律論文、專利編寫。具體實(shí)施技術(shù)采用基于語(yǔ)義的處理技術(shù)（本體、客體）、數(shù)據(jù)關(guān)聯(lián)度分析、聚類算法。 電力信息網(wǎng)絡(luò)熱點(diǎn)事件演化熱點(diǎn)事件是由敏感信息內(nèi)容泄露、擴(kuò)散、人為夸大等因素引起的民眾對(duì)于某一特定問(wèn)題的關(guān)注度超出平均水平的突發(fā)事件。中國(guó)電科院目前擁有十一個(gè)研究所、十七個(gè)科技公司、一個(gè)輸配電及節(jié)電技術(shù)國(guó)家工程研究中心、一個(gè)（國(guó)家工程研究）電力建設(shè)技術(shù)服務(wù)中心、一個(gè)部級(jí)質(zhì)量檢測(cè)中心、一個(gè)研究生部、一個(gè)博士后流動(dòng)站、一個(gè)博士后工作站和一個(gè)雜志社（出版中國(guó)電機(jī)工程學(xué)報(bào)、電網(wǎng)技術(shù)、電力建設(shè)雜志和中國(guó)電信息報(bào)紙），建有主要實(shí)驗(yàn)室二十八個(gè)，其中：電網(wǎng)安全與節(jié)能國(guó)家重點(diǎn)實(shí)驗(yàn)室、電力系統(tǒng)仿真國(guó)家工程實(shí)驗(yàn)室和特高壓工程技術(shù)國(guó)家工程實(shí)驗(yàn)室（北京）為國(guó)家級(jí)實(shí)驗(yàn)室，電力系統(tǒng)電力電子實(shí)驗(yàn)室、電力系統(tǒng)仿真試驗(yàn)室、信息系統(tǒng)安全實(shí)驗(yàn)室、輸電線路桿塔實(shí)驗(yàn)室、導(dǎo)線力學(xué)性能實(shí)驗(yàn)室和巖土工程實(shí)驗(yàn)室為國(guó)家電網(wǎng)公司重點(diǎn)實(shí)驗(yàn)室，繼電保護(hù)及安全自動(dòng)裝置實(shí)驗(yàn)室為中關(guān)村開放實(shí)驗(yàn)室。除了時(shí)間間隔分布，部分人類行為事件前后時(shí)間間隔的相關(guān)性也得到了研究者的關(guān)注。本文從復(fù)雜網(wǎng)絡(luò)和社會(huì)網(wǎng)絡(luò)角度。這或許是Deffuant模型的一個(gè)根本性質(zhì)：無(wú)論圖的結(jié)構(gòu)如何，都可以達(dá)成共識(shí)?；旧希總€(gè)都Agent都可以與系統(tǒng)中的任何一個(gè)交互，無(wú)論對(duì)方的意見(jiàn)如何。②意見(jiàn)連續(xù)模型離散意見(jiàn)模型已經(jīng)被廣泛地關(guān)注和研究，然而并不是所有人的意見(jiàn)都可以用“左”或者“右”進(jìn)行描述。而事實(shí)上，模型并未如其本意所言：更多人的意見(jiàn)更容易影響到一個(gè)人。模型設(shè)計(jì)如下：每個(gè)Agent占據(jù)線性鏈中的一個(gè)位子，并且有二元意見(jiàn)，兩個(gè)鄰居Agent(i)和Agent(i+1)決定了他們的鄰居的意見(jiàn)（i1,i+2），演化規(guī)則如下：如果Si=Si+1，那么Si1=Si=Si+1=Si+2 (1)如果Si≠Si+1，那么Si1=Si+1；Si=Si+2 (2)如果Agent(i)和Agent(i+1)意見(jiàn)相同，他們會(huì)影響其鄰居的意見(jiàn)，按公式（1）運(yùn)行。后者則對(duì)話題內(nèi)的相關(guān)報(bào)道進(jìn)行聚類，抽取聚類中的特征建立事件框架以描述話題的不同側(cè)面，此外其通過(guò) HowNet 建立事件內(nèi)的情態(tài)關(guān)系和角色框架，扶助描述話題不同側(cè)面的傾向性。這一現(xiàn)象限制了上述假設(shè)，即時(shí)序關(guān)系較近或匹配雙方包含較多近似時(shí)間信息則相關(guān)性較高。話題起始于種子事件并包含后續(xù)相關(guān)事件，而構(gòu)成事件描述的一項(xiàng)重要特性是其產(chǎn)生的時(shí)間，因此話題模型內(nèi)各相關(guān)報(bào)道之間往往具備時(shí)序關(guān)系。TDT 系統(tǒng)應(yīng)用名實(shí)體改進(jìn)性能的方法主要包括如下兩方面： 名實(shí)體特征權(quán)重的再分配，即希望區(qū)別名實(shí)體與其它特征對(duì)語(yǔ)義描述的能力； 名實(shí)體相關(guān)性與其它特征相關(guān)性的線性組合，即希望通過(guò)人工或自動(dòng)的方式調(diào)整名實(shí)體在相關(guān)性匹配過(guò)程中發(fā)揮的作用。因此，Leek[27]采用自然語(yǔ)言信息與統(tǒng)計(jì)策略相結(jié)合的方式對(duì)其進(jìn)行改進(jìn)，其利用特征所在的上下文以及詞典知識(shí)描述特征： 對(duì)非英文文本提取出現(xiàn)頻率最高的若干特征，通過(guò)詞典查找特征對(duì)應(yīng)的英文含義，并在這個(gè)基礎(chǔ)上通過(guò)英文語(yǔ)料背景獲取特征的上下文及其權(quán)重。這就給基于 NLH 的跨語(yǔ)言跟蹤造成了困難，因?yàn)?NLH 要求參與匹配的報(bào)道對(duì)象， 必須采用同一種源語(yǔ)言進(jìn)行描述。隨著跨語(yǔ)言技術(shù)的發(fā)展，包括 James Allan[24]、Leek[7]和 Levow[25]在內(nèi)的一些學(xué)者嘗試采用不同的翻譯策略解決 TDT 研究中的跨語(yǔ)言問(wèn)題，并比較了機(jī)器翻譯和其他翻譯技術(shù)在 TDT 中的效果。一種解決 HTD 的方法是凝聚層次聚類算法(Hierarchical Agglomerative Clustering, HAC)，其核心思想是計(jì)算當(dāng)前聚類集合中每對(duì)聚類的相關(guān)度，將滿足閾值條件的一對(duì)聚類融合成新的聚類，通過(guò)反復(fù)迭代這一過(guò)程，系統(tǒng)最終把話題模型構(gòu)造成具有層次關(guān)系的 DAG。（4） 層次話題檢測(cè)(HTD)TDT2004 定義了一項(xiàng)新的話題檢測(cè)任務(wù)： 層次話題檢測(cè)(Hierarchical Topic Detection, HTD)。RED 研究的必要性來(lái)源于話題波動(dòng)出現(xiàn)的特性。其中最常用的 NLP 技術(shù)是命名實(shí)體(Named Entities ,簡(jiǎn)稱為 NE)識(shí)別。傳統(tǒng)的 NED 研究采用基于統(tǒng)計(jì)原理的文本表示形式，其中最常用的表示方法是向量空間模型，事件模型與報(bào)道的相似度計(jì)算則相應(yīng)地采用余弦?jiàn)A角和Hellinger距離公式[15]。對(duì)于 OTD 的早期研究主要集中在聚類方法的選擇與融合上。此外，Leek[6] 和Yamron[7] 將參與檢測(cè)的兩篇報(bào)道分別看作一