北京航空航天大学彭浩研究团队最新研究成果“增强的、增量和跨语言的社会网络事件检测（Reinforced, incremental and cross-lingual event detection from social messages）”，于2023年发表于计算机人工智能领域期刊《模式分析与机器智能汇刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence，TPAMI），论文链接：https://ieeexplore.ieee.org/document/9693189。

　　社会网络事件检测是支撑网络舆情治理和维护国家网络空间内容安全的关键核心技术，其对智能信息推荐和舆论引导具有重要现实意义。然而，由于在线互联网信息的流式增量特性，现有方法面临网络舆情事件定义模糊、特征不清晰，内容语义分散、小样本和多语言的现实挑战。如何实现一种高精度、强泛化和跨语言的流式社会网络舆情事件检测，具有极大的挑战且有现实应用价值。

　　该团队从流式社交网络信息入手，将社会网络信息建模为异质图结构（图），融合了丰富的元语义和不同的元关系，并将它们转换为加权的多关系图，接着提出多智能体强化图学习方法实现不同关系连边上最优聚合参数的选择以提升消息内容嵌入表征质量，并提出深度强化学习引导的自适应最优密度聚类方法实现尺度不一的高精度舆情事件检测，并且面向多语言模态的互联网信息，提出参数保留的图迁移学习方法，实现零标注学习的跨语言社会事件检测。

　　由于社会网络舆情事件检测是计算机人工智能、大数据和信息安全技术的交叉应用研究领域，因此其在互联网舆情治理、智能信息推荐系统、网络异常行为检测等领域中有广阔的应用前景。