8月18日，国家自然科学基金委员会公布了2021年度集中受理期国家自然科学基金项目资助结果，山东大学智能媒体研究中心老师获面上项目资助2项。尹建华副教授的“社会化问答场景下用户专业性建模方法研究”、甘甜副教授的“面向社交媒体营销的多模态数据分析与影响者推荐技术研究”分别获面上项目资助。

 “社会化问答场景下用户专业性建模方法研究”面上项目介绍

社会化问答社区作为交换信息、分享知识的流行平台，其规模不断增大，导致“知识泛滥”等问题随之出现，合理的答案排序有助于控制答案质量，对提升用户获取知识的效率有重要作用。目前，针对答案排序的研究主要关注单一模态下的文本匹配，未充分考虑用户信息。本项目立足社会化问答场景，深入挖掘用户信息，致力于构建多角度混合动态用户专业性表征机制，强化用户专业性建模的精准性。我们拟借助标签、元信息等细粒度信息，以用户领域偏好、用户权威度为落脚点，研究多角度用户专业性表征，在此基础上，研究用户专业性表征的多领域性、上下文关联性，并进一步探索用户专业性表征的时间动态性。在理论上，本项目的研究方法将为应对用户专业性建模中的数据多维度性、数据动态性、数据异构性等挑战提供新思路。在应用上，本项目的研究内容能够支撑信息推荐、知识网络构建等新颖性服务，具有广泛的应用价值和可观的社会经济效益。

“面向社交媒体营销的多模态数据分析与影响者推荐技术研究”面上项目介绍

随着新形势下海量企业品牌对社交媒体营销的巨大需求，以及社交媒体营销影响者（网红）数量的爆发式增长，如何精准地进行供需分析，实现双方的精准匹配变得尤为必要和重要。针对此需求，本项目聚焦社交媒体营销场景下基于多模态数据的影响者可解释性推荐问题。项目首先构建一个大规模结构化的社交媒体营销品牌-影响者多模态数据集。在此基础上，本项目：1)启发式地构建社交媒体营销概念知识，并对稀疏的知识进行补全和推理。2)创新地融入构建的社交媒体营销概念知识，通过注意力机制利用知识增强单模态特征抽取，并进行多模态数据融合，弥补了以往方法未考虑多模态之间以及外部知识对账户表征影响的缺陷。3)通过建立显性的可解释性模块，以及设计融入内容、影响力和用户定向的多任务学习模型，构建了知识驱动的可解释性模型，增强了模型解决实际问题的能力。本项目将有力推动社交媒体营销相关研究的理论和应用，为实际的社交媒体影响者营销平台提供借鉴。