知识预先聚合、组织并生成知识聚合体过程应具有效性、准确性和顺序性，在社交网络知识表示模型基础上，可参考Wikipedia/DBpedia/Freebase等多种语义概念层次，参考联机分析处理的聚合计算机理，建立在线社交网络中面向领域的对象知识、关系知识间的聚类方法，以及各概念层次间的聚合函数。在此基础上，基于特征空间的降维分解方法研究高维空间中各维度的可聚合性及相应的聚合函数。其中，对于时空属性的聚合计算，将采用多时间粒度聚合、基于地理位置的空间聚合等方法，研究时空聚合计算函数和有效计算方法;在聚合计算的基础上，采用基于时空相似度散列的知识聚合体模型表示和存储方法，将时、空上相似或相近的对象和关系就近存储并建立高效索引;在概率Skyline和概率Top-k算法框架下，可研究时变、不确定环境下的知识聚合体的动态排序与更新演化算法。

　　3.4用户搜索意图理解

　　用户搜索意图主要体现在用户的历史行为、场景环境、语言表达等方面，其研究也基于各个方面的综合感知和理解。用户搜索历史行为，可按照由个体到群体，从点到轨迹的思路，采用频繁模式挖掘相关技术，挖掘用户的行为模式和搜索模式，建立用户搜索时空场景知识库，用以识别用户的行为、情感、意图、经验和生活模式。

　　用户场景环境，是用户所处的时间上下文、空间上下文、历史行为上下文、社交关系上下文等环境，一般采用基于内容以及协同过滤等推荐方法和机器学习相结合的方法，增强用户意图理解的准确性，并结合用户偏好和当前位置，按照用户的满意度、兴趣度选择与用户当前需求相关的信息，进行空间信息的语义搜索，并建立基于语义的信息聚合模型，将个性化需求的信息进行整合。

　　用户语言表达，是用户的自然语言文字或语音表述，在此方面有大量研究成果。考虑搜索过程的特殊性，应针对用户的搜索意图的一些不定和模糊表达等特征，在稀疏的搜索空间中，通过一些数据降维嵌入和相近分析等方法来进行有效的推理演算，更好地支持用户意图的理解和匹配，并通过交互、反馈等方式对理解有偏差的意图进行纠正。

　　3.5在线知识匹配求解

　　在线知识匹配求解是知识仓库中知识的查询匹配、推理求解以及搜索答案生成过程。

　　知识聚合体中的文本类知识的快速匹配算法，可基于深度学习思想，研究不同关键词间的深度语义关联，并在语义空间中研究基于时空相似的快速匹配算法，实现知识聚合体能快速准确满足搜索用户需求。针对知识聚合体中的关系类知识的快速匹配算法，可基于图的分布式处理方法，研究大图和巨图并行匹配的分解算法及优化方法，支持大图和巨图的高效查询。对于混合属性查询请求，可采用地理信息等时空特性的知识快速匹配为重点，处理地理信息、时空特性的快速知识匹配算法。针对用户意图的解答排序与评估反馈，可采用半监督增强学习方法和自反馈理论，突破在学习因素和反馈特征因子数量大、维度高的情况下高效反馈学习算法，实现搜索过程的自我演化与更新需求。

　　4、研究发展趋势

　　社交网络智慧搜索发展研究，将聚焦于3个主要问题，包括社交网络中智慧与知识的挖掘与发现、用户真实搜索意图的理解与表示、快速给出满足用户需求的智慧解答。在应用方面，重点考虑满足政府决策的民意调查、舆情分析，以及企业市场的社会化营销等各行业领域现实需求。为满足以上3个问题，主要关键技术发展将包括以下5个方面内容，如图2所示。

　　4.1支持时空特性的在线社交网络知识表示模型

　　针对在线社交网络中的人物情感立场、事件缘起发展、群体互动与聚集等巨规模、复杂、演化的对象和关系，需要研究支持时空特性的社交网络知识表示模型，实现对社交网络知识的建模。关键技术发展将包括以下几方面。

　　1)在线社交网络中的对象知识表示方法。针对在线社交网络中的对象知识多样化特性，包括人物、话题、信息等各种各样的社交网络对象，且每个对象属性多样，深层挖掘对象的各种属性的特点及其随时间演化的规律，研究统一的对象建模与知识表示模型。

　　2)在线社交网络巨复杂关系型知识表示方法。针对在线社交网络中各种关系规模巨大、种类繁多，粒度不同、时间演化的特点，包括用户、社区、话题之间的各种关系，需要分析关系的不同特点及演化规律，建立适合社交网络对象关系的统一语义表示模型。

　　3)在线社交网络对象与关系统一融合的表示计算模型。针对不同来源、跨通道的在线社交网络中的复杂对象与关系，需要研究能够统一融合表示的在线社交网络知识归一化表示模型，实现对巨规模、复杂、演化的在线社交网络知识建模。

　　4.2在线社交网络知识的发掘与推演

　　针对在线社交网络中知识多样化，关系复杂及时空演化等特点，包括个体行为及立场分析、群体社区发现及极化规律、话题的缘起与发展和信息传播规律等，研究以复杂社会计算为基础的在线社交网络知识的发掘和推演。关键技术发展如下所示。

　　1)面向在线社交网络关系的新型关联推理机制。针对在线社交网络中的对象具有丰富的交互关系，以及知识之间具有关联关系的特点，需要研究适合于在线社交网络知识的表性、隐性、虚实结合的关联关系挖掘与发现推理方法。

　　2)面向在线社交网络知识时空属性的推演机制。针对在线社交网络知识具有丰富的时空属性的特点，需要研究时空相似性计算和时空推理技术，及面向社交网络的时态逻辑推理技术，实现多尺度的时空数据融合推理。

　　3)基于刻面的在线社交网络大规模属性推理机制。针对在线社交网络中的对象属性个数规模众多的特点，需要研究目标驱动的基于属性依赖关系的可伸缩的模态推理模型，以及面向多属性刻面的冲突消解方法。

　　4)面向在线社交网络交互信息的众包推理与融合。针对在线社交网络中的知识含有大量交互信息的特点，需要研究基于离线众包推理的智能知识的挖掘框架，以及基于标注与反馈相结合的多源知识融合机理。

　　4.3面向在线社交网络知识聚合与组织管理

　　针对在线社交网络知识具有层次性和多粒度特点，以及用户不可预测的在线知识查询需求，需要对知识进行预先聚合与组织，生成在线社交网络知识聚合体，并进行有效排序，从而支持实时多维度的搜索请求。关键技术发展将包括以下几方面。

　　1)高维特征空间的知识聚合计算。针对在线社交网络知识跨时空、多层次、多维度的特点，基于发掘与推演技术，需要研究在线社交网络知识聚合计算方法，及各知识聚合计算的相关性与计算策略技术。

　　2)社交知识聚合体的表示与存储模型。针对在线社交网络聚合体归一化表示问题和存储空间随维度增加呈指数增长的维灾难特点，需要研究面向在线社交网络搜索的社交知识聚合体的模型表示和存储管理方法。

　　3)社交知识聚合体的排序与更新演化模式。针对用户搜索需求不断变化和无法预测的特点，需要研究在线社交网络知识聚合体的索引排序，以及获取的数据不断更新过程中，知识聚合体的自我演化与更新模型。

　　4.4基于场景感知的用户意图理解

　　面向用户查询输入的关键词、语音、手势等内容，结合用户手机终端、所处运动轨迹的时空场景以及历史记录和个人偏好等信息，准确理解用户的意图，并采用支持高效查询推演的统一模型进行表示。关键技术发展将包括以下几方面。

　　1)支持时空属性的用户搜索意图建模。针对在线社交网络的各种时空轨迹数据，体现了用户当前在真实世界中的场景的特点，需要研究基于时空信息的用户行为模式分析技术，实现对用户真实搜索意图的建模。

　　2)支持上下文的语义级用户意图理解方法。针对用户搜索意图与上下文紧密相关的特点，需要研究基于上下文感知的用户意图理解方法，及基于情感分析的用户意图理解方法，实现语义级用户意图的理解。

　　3)基于交互式的用户搜索意图理解方法。针对用户搜索意图单次表述具有二义性等特点，需要研究基于交互式的用户意图理解方法，实现交互步骤最小优化模型，以最少交互开销了解用户潜在搜索意图。

　　4.5支持时空特性的在线知识匹配求解

　　知识匹配求解是获取匹配用户需求搜索结果的关键技术。针对用户的在线社交网络搜索请求复杂多样和要求在线响应的特点，需研究在社交网络知识聚合体中的快速匹配求解推演算法，以及相应的实验验证系统。关键技术发展将包括以下几方面。

　　1)基于文本的快速在线匹配与解答排序。针对用户搜索需求多以关键词等文本进行表示的特点，需研究基于文本进行的在线社交网络搜索快速在线匹配与排序方法，实现社交网络知识聚合体中快速准确满足搜索用户需求的方法。

　　2)基于子图的面向用户意图的快速匹配求解。

　　针对在线社交网络知识多以图结构表示的特点，需要研究面向大图结构的特性分析技术，基于大图的高效查询及其优化技术，以及基于大图的用户意图高效推演等技术。

　　3)支持时空特性的社交网络知识快速匹配。针对在线社交网络知识的时空特性，研究基于语义图模型和协同过滤等方法，以及支持时空特性的社交网络知识匹配算法，高效完成对用户搜索意图的快速准确匹配。

　　4)面向用户意图的解答排序与评估反馈。针对在线社交网络搜索自我演化与更新的需求，研究异构信息聚合搜索评价技术，评价返回的各种类型的信息之间的相互作用与评估体系，实现不同搜索解答的评估与反馈优化。

　　5、结束语