基于多模态异质信息网络的跨社交媒体平台应急知识协同研究

doi:10.3772/j.issn.1000-0135.2026.02.007

情报学报

2026, Vol. 45

Issue (2): 261-276 DOI: 10.3772/j.issn.1000-0135.2026.02.007

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于多模态异质信息网络的跨社交媒体平台应急知识协同研究

周炜^1,2, 安璐^1,2,3, 仵轩⁴, 韩瑞莲^1,2, 李纲^1,2

1.武汉大学信息资源研究中心，武汉 430072
2.武汉大学信息管理学院，武汉 430072
3.武汉大学数据智能研究院，武汉 430072
4.北京大学信息管理系，北京 100871

Cross-Social Media Platform Emergency Knowledge Collaboration Based on Multimodal Heterogeneous Information Networks

Zhou Wei^1,2, An Lu^1,2,3, Wu Xuan⁴, Han Ruilian^1,2, Li Gang^1,2

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072
3.Institute of Data Intelligence, Wuhan University, Wuhan 430072
4.Department of Information Management, Peking University, Beijing 100871

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (0 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要多模态应急知识在跨社交媒体平台间的有效协同，对于提升突发事件下的情报整合效率与智能响应能力具有重要意义。针对当前多模态异质信息网络建模能力与表示精度不足、跨平台协同路径缺失等问题，本文提出一种基于多模态异质信息网络实现跨平台应急知识协同的建模方法。首先，选取多平台文本、图像与视频数据，定义并构建多模态异质信息网络，实现结构统一与语义对齐；其次，提出Enhanced-HGCN（enhanced-hyperbolic graph convolutional network）模型，结合多头注意力机制融合方法，提升网络表示的语义表达能力；最后，提出节点级与群组级协同策略，实现跨平台应急知识的结构联动与语义协同。研究结果表明，本文构建的Enhanced-HGCN模型实现了最佳的聚类性能，NMI（normalized mutual information）指数提升至0.5660，显著优于HGCN等基线模型；协同后的跨平台网络聚集系数提升至0.4510，介数中心性降至0.83×10^-4，整体表现优于任一单平台网络，从而验证了本文所提方法在语义融合与结构优化层面的综合优势。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	周炜
	安璐
	仵轩
	韩瑞莲
	李纲

关键词 ：多模态异质信息网络, 跨社交媒体, 应急知识协同, 网络表示学习, 特征融合

收稿日期: 2025-05-12

基金资助:国家社会科学基金重大项目“不确定环境下韧性社会智能情报支持与决策研究”（23&ZD230）。

作者简介: 周炜，1998年生，博士研究生，主要研究领域为应急情报网络分析；安璐，通信作者，1979年生，博士，教授，博士生导师，主要研究领域为应急情报，E-mail：anlu97@163.com；仵轩，1999年生，博士研究生，主要研究领域为社交网络分析；韩瑞莲，1998年生，博士研究生，主要研究领域为应急知识生成；李纲，1966年生，博士，教授，博士生导师，主要研究领域为信息资源管理、应急情报；

引用本文:

周炜, 安璐, 仵轩, 韩瑞莲, 李纲. 基于多模态异质信息网络的跨社交媒体平台应急知识协同研究[J]. 情报学报, 2026, 45(2): 261-276.
Zhou Wei, An Lu, Wu Xuan, Han Ruilian, Li Gang. Cross-Social Media Platform Emergency Knowledge Collaboration Based on Multimodal Heterogeneous Information Networks. 情报学报, 2026, 45(2): 261-276.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.02.007 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I2/261

1 庞宇飞, 张海涛, 李依霖, 等. 面向重大突发事件的智慧政府情报决策: 认知框架与实践路径[J]. 情报学报, 2025, 44(3): 271-281.
2 Zhou W, An L, Han R L, et al. Classification and severity assessment of disaster losses based on multi-modal information in social media[J]. Information Processing & Management, 2025, 62(5): 104179.
3 刘逸伦, 黄微, 周东阳. 基于敏捷理论的政府应急情报服务能力评价研究[J]. 现代情报, 2025, 45(6): 87-101.
4 毛庆铎, 程豪杰, 范嘉欣. 政府应急知识协同的供需匹配模式及其实现逻辑[J]. 情报杂志, 2024, 43(7): 186-191.
5 李阳, 孙建军. 复杂情境下应急管理情报工程服务机制构建及场景化应用[J]. 情报学报, 2022, 41(2): 107-117.
6 Xu X H, Zheng K X, Pan B. A weighted information fusion method based on sentiment knowledge for emergency decision-making considering the public and experts[J]. Group Decision and Negotiation, 2024, 33(2): 371-398.
7 Asif A, Khatoon S, Hasan M M, et al. Automatic analysis of social media images to identify disaster type and infer appropriate emergency response[J]. Journal of Big Data, 2021, 8(1): Article No.83.
8 张云秋, 黄麒霏. 兼顾不同词频知识单元价值与重要性的知识组合发现方法研究[J]. 数据分析与知识发现, 2025, 9(7): 66-78.
9 McKelvey M, Alm H, Riccaboni M. Does co-location matter for formal knowledge collaboration in the Swedish biotechnology-pharmaceutical sector?[J]. Research Policy, 2003, 32(3): 483-501.
10 Wolbers J, Boersma K, Groenewegen P. Introducing a fragmentation perspective on coordination in crisis management[J]. Organization Studies, 2018, 39(11): 1521-1546.
11 Hopwood N, Edwards A. How common knowledge is constructed and why it matters in collaboration between professionals and clients[J]. International Journal of Educational Research, 2017, 83: 107-119.
12 姚苏梅, 陆泉. 数据与知识协同驱动的知识发现: 概念、机理与模型[J]. 情报学报, 2025, 44(3): 282-295.
13 Cheng J J, Zhang L Y, Chen J H, et al. How does relational governance affect knowledge collaboration in integrated project delivery? A transactive memory system process[J]. Engineering Management Journal, 2023, 35(3): 299-312.
14 柯平. 应急知识管理: 理论基础、研究领域与应用前景[J]. 信息资源管理学报, 2021, 11(1): 8-16.
15 李春娟, 宋之杰. 基于知识协同的突发事件应急管理对策研究[J]. 情报杂志, 2011, 30(5): 10-13, 5.
16 Mercer J, Kelman I, Taranis L, et al. Framework for integrating indigenous and scientific knowledge for disaster risk reduction[J]. Disasters, 2010, 34(1): 214-239.
17 王忠义, 王泽人, 李志鹏, 等. 面向馆藏数字资源的跨学科事件知识融合研究[J]. 情报学报, 2025, 44(5): 577-591.
18 楼琦峰, 牟冬梅, 王书童, 等. 面向中医医案知识图谱补全的链路预测模型[J]. 科技情报研究, 2025, 7(3): 101-110.
19 Meng K, Ba Z C, Ma Y X, et al. A network coupling approach to detecting hierarchical linkages between science and technology[J]. Journal of the Association for Information Science and Technology, 2024, 75(2): 167-187.
20 白如江, 鞠孜涵, 张玉洁, 等. 面向情报感知的多源多模态数据融合方法研究[J]. 情报杂志, 2023, 42(10): 124-131.
21 韩娜, 马海群, 刘兴丽. 基于知识图谱的政策文本协同性推理研究[J]. 情报科学, 2021, 39(11): 180-186.
22 Yue T, Mao R, Wang H, et al. KnowleNet: knowledge fusion network for multimodal sarcasm detection[J]. Information Fusion, 2023, 100: 101921.
23 Chen X, Ye P F, Huang L, et al. Exploring science-technology linkages: a deep learning-empowered solution[J]. Information Processing & Management, 2023, 60(2): 103255.
24 杜佳璘, 袁永仪, 胡广伟, 等. 政府数据开放平台数据资源利用效率评估[J]. 图书馆学研究, 2024(9): 24-34.
25 刘忠宝, 赵文娟. 融合语义特征和分布特征的跨媒体关联分析方法研究[J]. 情报学报, 2021, 40(5): 471-478.
26 毕达天, 张雪, 孔婧媛, 等. 基于异质图注意力网络与多特征融合的跨社交媒体用户识别研究[J]. 情报学报, 2024, 43(10): 1213-1226.
27 熊回香, 杨滋荣, 蒋武轩. 跨媒体知识图谱构建中多模态数据语义相关性研究[J]. 情报理论与实践, 2019, 42(2): 13-18, 24.
28 Gupta S, Saini N, Kundu S, et al. CrisisKAN: knowledge-infused and explainable multimodal attention network for crisis event classification[C]// Proceedings of the 46th European Conference on Information Retrieval. Cham: Springer, 2024: 18-33.
29 Li J F, Zhu J Q, Chang L, et al. Representation learning with mutual influence of modalities for node classification in multi-modal heterogeneous networks[C]// Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence. Washington D.C.: AAAI Press, 2025: 3036-3044.
30 黄伟鑫, 毕达天, 朱梓萌, 等. 织网者的话语: 跨社交媒体信息推荐的作用机理研究[J]. 现代情报, 2025, 45(10): 51-63.
31 易明, 刘明, 冯翠翠. 融合异质信息网络表示学习的跨领域推荐研究[J]. 情报学报, 2022, 41(4): 337-349.
32 严炜炜, 邵家伟, 张敏. 双边发展还是单边活跃: 跨平台用户分类及其行为规律分析[J]. 图书情报知识, 2025, 42(6): 87-97, 141.
33 严炜炜, 王清烨, 张敏. 知识交流生态视角下的用户跨平台知识交流行为偏好研究[J]. 情报理论与实践, 2024, 47(7): 97-106.
34 岳芳, 张涵, 樊茂瑞, 等. 开放式交互平台知识协同中的群体观点演化模型与实证[J/OL]. 复杂系统与复杂性科学, (2024-07-18). https://link.cnki.net/urlid/37.1402.N.20240717.1118.002.
35 Li M R, Zhang Y, Zhang W, et al. Self-supervised nodes-hyperedges embedding for heterogeneous information network learning[J]. IEEE Transactions on Big Data, 2023, 9(4): 1210-1224.
36 Sun Y Z, Han J W, Yan X F, et al. PathSim: meta path-based top-K similarity search in heterogeneous information networks[J]. Proceedings of the VLDB Endowment, 2011, 4(11): 992-1003.
37 Lin M, Wang T, Zhu Y F, et al. A heterogeneous directed graph attention network for inductive text classification using multilevel semantic embeddings[J]. Knowledge-Based Systems, 2024, 295: 111797.
38 Cao Y W, Peng H, Wu J, et al. Knowledge-preserving incremental social event detection via heterogeneous GNNs[C]// Proceedings of the Web Conference 2021. New York: ACM Press, 2021: 3383-3395.
39 Yang X, Deng C, Liu T L, et al. Heterogeneous graph attention network for unsupervised multiple-target domain adaptation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2022, 44(4): 1992-2003.
40 Yang C, Xiao Y X, Zhang Y, et al. Heterogeneous network representation learning: a unified framework with survey and benchmark[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(10): 4854-4873.
41 Huo G Y, Zhang Y, Wang B Y, et al. Hierarchical spatio-temporal graph convolutional networks and transformer network for traffic flow forecasting[J]. IEEE Transactions on Intelligent Transportation Systems, 2023, 24(4): 3855-3867.
42 Li G Y, Zhao Z L, Guo X G, et al. Towards integrated and fine-grained traffic forecasting: a spatio-temporal heterogeneous graph transformer approach[J]. Information Fusion, 2024, 102: 102063.
43 Yang X Y, Chang M X, Yu J, et al. Hyperbolic multichannel graph convolutional network for social recommendation[J]. Journal of Intelligent & Fuzzy Systems, 2024, 46(4): 9543-9557.
44 Wei Y W, Wang X, Nie L Q, et al. MMGCN: multi-modal graph convolution network for personalized recommendation of micro-video[C]// Proceedings of the 27th ACM International Conference on Multimedia. New York: ACM Press, 2019: 1437-1445.
45 柳亚, 朱莉, 毛谦昂, 等. 融合多维学术特征的引文推荐: 一种基于异质图卷积网络的方法[J]. 现代情报, 2025, 45(7): 26-35.
46 Sang L, Xu M, Qian S S, et al. Context-dependent propagating-based video recommendation in multimodal heterogeneous information networks[J]. IEEE Transactions on Multimedia, 2021, 23: 2019-2032.
47 Hu D, Feng D, Xie Y L. EGC: a novel event-oriented graph clustering framework for social media text[J]. Information Processing & Management, 2022, 59(6): 103059.
48 朱恒民, 徐凝, 魏静, 等. 基于网络表示学习的短视频流行度预测研究[J]. 情报学报, 2024, 43(9): 1105-1115.
49 Yang Z, Ding M, Huang T L, et al. Does negative sampling matter? A review with insights into its theory and applications[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2024, 46(8): 5692-5711.
50 Lu J, Gai Q K. Multi-grained alignment method based on stable topics in cross-social networks[J]. PeerJ Computer Science, 2024, 10: e1892.
51 Zhao X F, Jin Z G, Liu Y H, et al. Heterogeneous information network embedding for user behavior analysis on social media[J]. Neural Computing and Applications, 2022, 34(7): 5683-5699.
52 Guo S Y, Burghardt K, Pantè V, et al. SoMeR: multi-view user representation learning for social media[OL]. (2024-05-02). https://arxiv.org/pdf/2405.05275.
53 孙文晶, 马捷, 郝志远, 等. 基于时序图卷积神经网络的在线健康社区高质量答案甄别研究[J]. 情报学报, 2025, 44(5): 562-576.